基于随机权重混沌粒子群反向神经网络算法的RFID定位算法

• 作者: 施佳佳 朱鹏娟 章虹晨
• 来源期刊: 南通大学学报（自然科学版）
• 学科: 工学
• 关键词: 反向神经网络 混沌粒子群 随机权重 RFID定位
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 智能科学与技术
• 页码范围: 17-23
• 页数: 7页
• 分类号: TP391.4
• 字数: 5036字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2340.2019.03.003

摘要

为了提高射频识别(radio frequency identification,RFID)定位系统的准确性与可靠性,并改善反向传播神经网络算法在RFID定位算法中收敛速度慢、精度低、稳定性差的缺点,提出一种基于随机权重的混沌粒子群优化反向传播神经网络定位方法(random weight chaotic particle swarm optimization back-propagation neural networks,RW-CPSO-BP).在运用RW-CPSO-BP算法对标签进行轨迹预测过程中,首先对3个阅读器接收到的标签接收信号强度指标值(received signal strength indicator,RSSI)先用均值滤波进行预处理,然后再进行归一化处理,将处理过的数据分为两组在RW-CPSO-BP模型中进行训练,从而得到误差曲线.经过RW-CPSO-BP优化过权值和阈值的BP模型能较好地定位移动标签,而且克服了陷入局部最优解的问题.仿真结果表明,RW-CPSO-BP算法收敛速度和稳定性明显高于BP网络,误差也较BP网络低,更加适合用于进行复杂环境下的RFID定位.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施佳佳	南通大学杏林学院	3	2	1.0	1.0
5	章虹晨	南通大学交通与土木工程学院	1	0	0.0	0.0
6	朱鹏娟	南通大学交通与土木工程学院	1	0	0.0	0.0