基于BP神经网络的RSSI测距优化算法

作者：姚军; 甄梓越^*; 马宇静

来源：电波科学学报, 2022, 37(04): 663-669.

• 路径损耗模型
• 接收信号强度指示(RSSI)测距
• K-means聚类算法
• 反向传播(BP)神经网络
• 测距误差
• 均方根误差

基于接收信号强度指示(received signal strength indication, RSSI)测距的研究和应用领域很广泛，一直是物联网研究的热点.为降低传统基于反向传播(back propagation,BP)神经网络的RSSI测距误差，文中提出一种基于K-means聚类算法对样本数据进行预处理的BP神经网络测距算法，来解决由于RSSI值衰减程度不同引起的不同距离区间RSSI值和真实距离之间映射关系不均匀的问题.将K-means聚类算法应用于BP神经网络模型中，对样本数据进行距离区间划分，然后将已经分类好的数据分别输入BP神经网络建立网络模型并进行实验仿真.结果显示：传统基于BP神经网络的RSSI测距算法的均方根误差为1.425 7 m；而经过K-means算法改进后的BP神经网络测距算法的均方根误差为1.288 7 m，降低了测距误差，并优化了目标RSSI值与真实距离的映射关系.

• 单位
  通信与信息工程学院; 西安科技大学