افزايش دقت مكان‌يابي در سامانه‌هاي مخابراتي بدون سيم مبتني بر شبكه عصبي

Increasing the Accuracy of Locating in Wireless Communication Systems Based on Neural Networks

مكان يابي دقيق هدف در سامانه هاي مخابراتي بدون سيميكي از مسايل مهم در كاربردهاي نظامي و غيرنظامي مي‌باشد. در شبكه‌هاي مخابراتي بدون سيم مكان كاربر با استفاده از اندازه گيري زمان ورود سيگنال (TOA) از MS به BS هاي مجاور انجام مي‌شود. يكي از روش‌هاي دقيق براي تعيين مكان در سامانه هاي مبتني بر TOA استفاده از شبكه‌هاي عصبي مي‌باشد. در اين مقاله الگوريتم جديدي براي افزايش دقت مكان يابي بر اساس شبكه عصبي BPNN ارايه شده است. در الگوريتم جديد ارايه شده، به‌جاي استفاده از نقاط تقاطع احتمالي دواير TOA به‌عنوان ورودي شبكه عصبي، از شعاع دواير TOA استفاده‌شده كه نسبت به روش قبلي از پيچيدگي بسيار كمتري برخوردار بوده و باعث افزايش دقت مي‌گردد. نتايج تحليل و شبيه‌سازي‌ها نيز كاهش خطاي مكان‌يابي به ميزان بيشتر از نصف در الگوريتم جديد نسبت به روش قبلي و لذا افزايش قابل‌توجه دقت مكان‌يابي را نشان مي‌دهد.

The exact location of wireless communication systems aimed at both military and civilian applications is an important issue. In wireless communication networks, the userʹs location is done by using the measured signals time of arrival (TOA) from MS to BS. One of the most accurate methods for determining the TOA -based location systems is the use of neural networks. In this paper, a new algorithm is provided to improve the accuracy of locating based on BP neural network. In the newly proposed algorithm, instead of possible crossing points of TOA circles as neural network input, radius of TOA circle is used that much less than the previous method of complexity and accuracy is increased. Analysis and simulations show reduction positioning errors to a greater extent than half in the new algorithm compared to the previous method and it shows the location carefully.