تخمين مكان در سه بعد توسط شبكه عصبي عميق بر مبناي روش سيگنال قدرت دريافتي واحد توسط شبكه حسگر بي‌سيم

Three-dimensional location estimation by deep neural network based on the unit received power signal method by wireless sensor network

امروزه اسـتفاده از قدرت سيگنال دريافتي به منظور تخمين مكان منجر به طراحي سيستم هاي با هزينه كم و اجراي اسان شده است. در مقاله پيشرو يك رويكرد جديد به منظور تخمين مكان در سـه بعد بر مبناي روش قدرت سـيگنال دريافتي در محيط داخلي معرفي ميگردد. چالش اصـلي در اندازه گيري هاي قدرت سـيگنال دريافتي اثرات باياس به دليل مسـائل طراحي و ديگر عوامل اسـت. بدين منظور در مقاله پيشرو ابتدا مدل كاهش مسـير به سـيگنال قدرت دريافتي واحد تبديل ميشـود. از آنجا كه در روش سـيگنال قدرت دريافتي واحد باياس مكان و حسـگر با هم تخمين زده ميشـود، به منظور تخمين مكان با حذف اثرات باياس از شـبكه عصبي عميق اسـتفاده شـده است كه توسط فيلتر كالمن آنسنتد آموزش ديده است. نتايج شبيه سازي نشان ميدهد كه آموزش شبكه عصبي عميق توسـط فيلتر كالمن آنسـنتد نسـبت به شبكه عصبي عميق آموزش داده شده توسط فيلتر كالمن توسعه يافته و روش كاهش گراديان داراي رفتار همگرائي بهتري و تخمين مكان داراي دقت مطلوب است.