آموزش شبکه عصبی توسط فیلتر کالمن آنسنتد به منظور بهبود تخمین مکان در شبکه حسگر بیسیم با روش پایه قدرت سیگنال دریافتی

اطلاعات مکان به یک جزء مهم و اساسی در کاربردهای نظامی و غیر نظامی تبدیل شده است. تخمین مکان دقیقدر محیط داخلی و محیط بیرونی یکی از این کاربردها است که توسط آن فنآوری های مهمی در زمینه تجارت،امنیت و ... ایجاد گردیده است. در محیط بیرونی میتوان توسط تکنولوژی تعیین مکان بر مبنای ماهواره مانند جیپی اس به تخمین مکان پرداخت اما در محیط داخلی مانند داخل یک ساختمان به دلیل عدم وجود خط دید اینروش دارای کارایی مناسب نمی باشد و نیاز به استفاده از شبکه حسگر بیسیم می باشد که با استفاده از اندازه گیریتوان سیگنال دریافتی، زمان ورود، اختلاف زمان ورود و زاویه ورود به محاسبه مکان گره هدف می پردازد. ایناندازه گیری ها دارای یک نویز ناخواسته میباشند که ناشی از عواملی مانند پدیده چند مسیری، محو شدگی و عدموجود خط دید می باشد از طرفی مدل کردن این اندازه گیری ها به منظور تخمین مکان با یک رابطه غیرخطی همراهمیباشد، در نتیجه نیاز به روشهایی به منظور فیلتر کردن نویز میباشد. اخیرا شبکه های عصبی به دلیل داشتنمزایای ضد نویز و بلادرنگ بودن و دقت بالا بسیار مورد استفاده قرار گرفته اند. در تحقیق پیش رو روشی ارائهگردیده است که در آن شبکه عصبی با استفاده از توان دریافتی از سه حسگر پایه به تخمین مکان گره هدفمی پردازد. نتیجه ترکیب توان دریافتی و شبکه عصبی هزینه مصرفی کم و دقت بالا میباشد. در تحقیق پیش روشبکه عصبی از نوع MLP و پیشرو می باشد ورودی شبکه عصبی توان سیگنال دریافتی میباشد. به منظور آموزش شبکه عصبی از فیلتر کالمن آنسنتد استفاده شده است که با مقایسه مقدار مطلوب شبکه عصبی (مکان حقیقی گرههدف) و خروجی شبکه عصبی به عنوان معادلات مشاهدات به تخمین ضرایب وزن شبکه عصبی با توجه به معادلهحالت (بر حسب ضرایب وزن) می پردازد. تخمین مکان با روش ارائه شده در تحقیق پیش رو با سه حسگر پایه دریک محیط داخلی 100m x 100m انجام شده است و دارای دقت 50 سانتیمتری به ازای 6400 تخمین مکان گره هدف می باشد.