بهبود تخمین مکان بر مبنای روش زمان ورود در سه بعد توسط شبکه عصبی عمیق

امروزه مکانیابی توسط شبکه های حسگر بیسیم توجه بسیاری از محققان را به خود جلب کرده است. با توجه به پیشرفت فناوری انتظار میرود استفاده از شبکه های حسگر بیسیم به منظور تخمین مکان در آینده بیشتر گسترش یابد. در روش زمان ورود سه عامل همزمانسازی بین تمامی گرهها، عدم وجود خط دید و خطای اندازهگیری در دقت تخمین مکان تاثیر گذار هستند. در مقاله پیشرو استفاده از یک شبکه عصبی عمیق رو به جلو شامل دو لایه مخفی به منظور بهبود تاثیر سه عامل ذکر شده بر خطای تخمین مکان پیشنهاد شده است. با توجه به تخمین مکان در سه بعد و تاثیر همزمان سه عامل ذکر شده به صورت نویز جمع شونده بر ورودی شبکه عصبی که زمان ورود اندازهگیری شده توسط حسگرهای پایه میباشد، آموزش آن توسط روشهای انتشار رو به عقب منجر به گیر افتادن الگوریتم آموزش در بهینه های محلی میشود. بدین منظور در روش پیشنهادی شبکه عصبی از فیلتر کالمن آنسنتد که ریشه در انتقال آنسنتد و نمونه برداری دقیق از بردار حالت یا ضرایب وزن شبکه عصبی دارد به منظور آموزش استفاده شده است. نتایج شبیه سازی نشان میدهد در مقایسه با روشهای تخمین مکان بر مبنای زمان ورود، روش پیشنهادی به طور موثری خطای تخمین مکان را کاهش میدهد.