基于一种改进的神经网络的RFID室内定位算法

作者：王用鑫

来源：科技通报, 2016, 32(11): 179-183.

DOI：10.13774/j.cnki.kjtb.2016.11.037

• RFID
• 室内定位
• 减聚类算法
• K-means
• RBF

室内定位算法精度一直都是研究的重点,本文提出了一种基于粒子群算法,减聚类算法和Kmeans算法进行结合。本文首先构建室内定位RFID模型,构建定位方程,然后采用减聚类算法来避免人为干扰,通过K-means算法来形成初始化粒子群算法,最后采用粒子群算法训练RBF神经网络的所有参数,从而得到优化的输出模型,从而确定了定位最优点。仿真实验表明本文的算法可以有效的提高定位精度,降低能量消耗,提高定位精度10%。

• 单位
  重庆大学; 重庆电子工程职业学院