基于人工智能算法的无线信号传播损耗预测

由于传播空间中阻挡物对无线信号造成的衰减作用,导致无线信号传播损耗预测的准确性较低。为此,提出基于人工智能算法的无线信号传播损耗预测方法,构建了无线信号传播模型,设置无线信号从发送端到接收端的平均衰减值为路径损耗,在此基础上引入了以阻挡物作用为核心的衰减因子,利用人工智能算法中的粒子群优化算法对衰减因子进行寻优,将寻优结果带入到无线信号传播模型中,实现对信号传播损耗的预测。测试结果表明,设计方法对信号传播损耗预测结果的RMSE、MAPE、MAE和MSE值分别为1.97、5.44、2.11和3.8809,且98.24%的预测样本相对误差均为±5 dBm范围内。

一种应用在RFID定位的CQPSO-BP室内无线信道建模方法

针对无线信号传播路径损耗模型容易受环境影响而无法正确描述接收信号强度值与距离之间关系的问题,本文提出一种文化量子粒子群优化(CQPSO)算法与BP神经网络结合的新算法,并用其构建室内无线信号传播路径损耗模型.该算法先是通过CQPSO算法实现BP神经网络权值以及阈值的迭代寻优;然后在合理地定义并提取信号样本之后利用BP神经网络建立室内无线信号传播模型.对比结果表明,新算法在数据拟合的稳定性和准确性都优于传统的BP神经网络.通过在RFID定位系统中的实际应用验证了通过新算法建立的路径损耗模型的实用性和稳定性且与传统的定位算法相比定位精度更高.

不同场景中VANET路由协议的仿真研究

仿真场景的构建对于车载自组网的性能具有很大的影响。在NS2网络仿真平台中添加了节点城区移动模型和存在障碍物时的无线信号传播模型,建立了VANET的网络模型,分别在三种不同场景中对DSR路由协议的性能进行了仿真分析。结果表明,在真实的仿真场景中VANET的性能有所恶化。达到了较为真实的仿真VANET的目的,得出的结论对VANET的仿真研究具有一定的参考价值。

基于BP神经网络和APIT室内定位算法的研究与实现

随着国内外无线通信技术的发展,无线定位技术成为必不可少的一项技术。现有的室外定位技术已日渐成熟,而室内定位技术由于定位精度不够等原因,还有很大发展空间。在分析无线通信模型的基础上,针对室内无线信号传播模型中参数A和路径损耗指数n依经验判断而定导致的定位误差太大问题,利用BP神经网络拟合RSSI-d非线性函数关系,大大缩小了定位误差。在得到对应的距离值后,利用改进的APIT室内定位算法确定盲节点的坐标,并在Zigbee开发平台对该算法进行实现,验证了算法的可行性,减小了定位误差。