بهبود تخمين مكان بر مبناي روش زمان ورود در سه بعد توسط شبكه عصبي عميق

امروزه مكانيابي توسط شبكه هاي حسگر بيسيم توجه بسياري از محققان را به خود جلب كرده است. با توجه به پيشرفت فناوري انتظار ميرود استفاده از شبكه هاي حسگر بيسيم به منظور تخمين مكان در آينده بيشتر گسترش يابد. در روش زمان ورود سه عامل همزمانسازي بين تمامي گرهها، عدم وجود خط ديد و خطاي اندازهگيري در دقت تخمين مكان تاثير گذار هستند. در مقاله پيشرو استفاده از يك شبكه عصبي عميق رو به جلو شامل دو لايه مخفي به منظور بهبود تاثير سه عامل ذكر شده بر خطاي تخمين مكان پيشنهاد شده است. با توجه به تخمين مكان در سه بعد و تاثير همزمان سه عامل ذكر شده به صورت نويز جمع شونده بر ورودي شبكه عصبي كه زمان ورود اندازهگيري شده توسط حسگرهاي پايه ميباشد، آموزش آن توسط روشهاي انتشار رو به عقب منجر به گير افتادن الگوريتم آموزش در بهينه هاي محلي ميشود. بدين منظور در روش پيشنهادي شبكه عصبي از فيلتر كالمن آنسنتد كه ريشه در انتقال آنسنتد و نمونه برداري دقيق از بردار حالت يا ضرايب وزن شبكه عصبي دارد به منظور آموزش استفاده شده است. نتايج شبيه سازي نشان ميدهد در مقايسه با روشهاي تخمين مكان بر مبناي زمان ورود، روش پيشنهادي به طور موثري خطاي تخمين مكان را كاهش ميدهد.