علی اکبر عطار - دانشجوی دکتری کامپیوتر- هوش مصنوعی، دانشگاه آزاد اسلامی، واحد گرگان، گرگان، ایران
علی نودهی - عضو هیئت علمی، استادیار، دمتری کامپیوتر، دانشگاه آزاد اسلامی، واحد گرگان، گرگان، ایران

امروزه استفاده از قدرت سیگنال دریافتی به منظور تخمین مکان منجر به طراحی سیستم های با هزینه کم و اجرای اسان شده است.در مقاله پیشرو یک رویکرد جدید به منظور تخمین مکان در سه بعد بر مبنای روش قدرت سیگنال دریافتی در محیط داخلی معرفیمی گردد. چالش اصلی در اندازه گیری های قدرت سیگنال دریافتی اثرات بایاس به دلیل مسائل طراحی و دیگر عوامل است. بدینمنظور در مقاله پیشرو ابتدا مدل کاهش مسیر به سیگنال قدرت دریافتی واحد تبدیل می شود. از آنجا که در روش سیگنال قدرتدریافتی واحد بایاس مکان و حسگر با هم تخمین زده می شود ، به منظور تخمین مکان با حذف اثرات بایاس از شبکه عصبی عمیقاستفاده شده است که توسط فیلتر کالمن آنسنتد آموزش دیده است. نتایج شبیه سازی نشان می دهد که آموزش شبکه عصبی عمیقتوسط فیلتر کالمن آنسنتد نسبت به شبکه عصبی عمیق آموزش داده شده توسط فیلتر کالمن توسعه یافته و روش کاهش گرادیاندارای رفتار همگرائی بهتری و تخمین مکان دارای دقت مطلوب است.

شبکه حسگر بی سیم، تخمین مکان در سه بعد، روش قدرت سیگنال دریافتی، روش سیگنال قدرت دریافتی واحد، شبکه عصبیعمیق، فیلتر کالمن آنسنتد، فیلتر کالمن توسعه یافته، روش کاهش گرادیان.