Biblioteca121.270 documentos en línea

Artículo

Neural Network for WGDOP Approximation and Mobile LocationRed neuronal para la aproximación del WGDOP y la localización de móviles

Resumen

En este artículo se estudian métodos de localización aplicables en sistemas de posicionamiento global (GPS), redes inalámbricas de sensores (WSN) y sistemas de comunicación celular. El enfoque consiste en emplear la retropropagación resistente (Rprop), un algoritmo de aprendizaje de redes neuronales artificiales, para calcular la dilución geométrica ponderada de la precisión (GDOP), que representa el efecto geométrico en la relación entre el error de medición y el error de posicionamiento. Los cuatro tipos originales de mapeo entrada-salida basados en BPNN para el cálculo de GDOP se amplían a WGDOP basado en Rprop. Además, proponemos dos arquitecturas novedosas basadas en Rprop para aproximar WGDOP. Para reducir aún más la complejidad de nuestro enfoque, el primero consiste en seleccionar la EB servidora y, a continuación, combinarla con otras tres medidas para estimar la ubicación de la EM. De este modo, el número de subconjuntos se reduce considerablemente sin comprometer la precisión de la estimación de la ubicación. Además, empleamos otro Rprop que tiene en cuenta las ubicaciones de EM de mayor precisión de los primeros WGDOP mínimos para determinar la estimación final de la ubicación de la EM. Este método no sólo elimina los efectos de la geometría deficiente, sino que también mejora significativamente la precisión de la localización.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento