科研之友
微信
新浪微博
Facebook
分享链接
摘要
地下变电站环境复杂,电气设备、障碍物和墙壁较多,传统的室内定位系统定位精度较低,无法满足日常工作的需求。为此文章提出了一种基于超宽带的查恩–高斯牛顿迭代–反向传播神经网络(Chan-Gauss Newton-Back Propagation Neural Network,CGN-BPNN)的非视距误差抑制算法,首先利用Chan算法得出的坐标作为高斯牛顿迭代算法初始值进行迭代,并对算法所得的残差进行加权,使离标签越近的基站测得数据的权重提高,然后将迭代后得到的坐标值作为训练完毕的误差反向传播(Back Propagation,BP)神经网络的输入进行修正,输出即为最终的定位结果。计算机仿真结果表明该算法定位精度相较传统的Chan算法提升了42.9%,相较Chan-Gauss Newton算法提升21.9%,研究结果对于超宽带(Ultra Wide Band,UWB)技术在地下变电站中的应用具有广泛而积极的意义。
- 单位
