مکان یابی مبتنی بر RSS با استفاده از ترکیب دو شبکه عصبی عمیق

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 617

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCT11_029

تاریخ نمایه سازی: 18 اردیبهشت 1400

چکیده مقاله:

اندازه گیری توان سیگنال دریافتی، یکی از روش های ساده ای است که می تواند در آشکارسازی و موقعیت یابی اهداف در یک شبکه حسگر بی سیم مورد استفاده قرار گیرد. مکان یابی با استفاده از توان سیگنال دریافتی به دلیل پدیده های محوشوندگی و چند مسیری در مقایسه با روش های دیگر از دقت پایین تری برخوردار می باشد. برای رفع این مشکل در تخمین مکان از الگوریتم های یادگیری ماشین به ویژه الگوریتم های یادگیری عمیق استفاده شده است. تاکنون الگوریتم هایی همچون شبکه عصبی کانولوشنال (CNN)، حافظه طولانی کوتاه - مدت (LSTM)، شبکه عصبی چند لایه (MLNN) و دیگر روش ها برای مکان یابی مورد بررسی قرار گرفته است. در این مقاله، ما برای رفع این مشکل ترکیب دو شبکه CNN و LSTM را پیشنهاد می دهیم. ضریب ترکیب به صورت یک روش ابتکاری می باشد که بر اساس عکس خطاهای دو شبکه عصبی در نظر گرفته شد. میانگین خطا برای ۰.۱CNN متر، ۰.۰۸LSTM متر و ترکیب این دو شبکه ۰.۰۷ متر می باشد. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی منجر به بهبود دقت مکان یابی شد.

کلیدواژه ها:

نویسندگان

فاطمه مهدوی

دانشجوی کارشناسی ارشد، دانشگاه صنعتی قم، قم، ایران

هادی زیانی

دانشیار، دانشگاه صنعتی قم، قم، ایران

روزبه رجبی

استادیار، دانشگاه صنعتی قم، قم، ایران