基于改进LSSVR模型的移动节点定位技术研究

• 作者: 郭悦 王红军
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 移动节点 定位 最小二乘支持向量回归(LSSVR) 粒子群算法 惯性权重 学习因子
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 人工智能与信息通信
• 页码范围: 44-51
• 页数: 8页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.201906120226

摘要

针对最小二乘支持向量回归(least squares support vector regression,LSSVR)模型在移动节点定位过程中存在难以确定最优参数的不足,提出一种基于改进粒子群算法优化LSSVR模型的定位方法.通过最小二乘支持向量回归机构造节点定位的模型,自适应调整惯性权重以及学习因子来提高粒子群算法的寻优性能,并将其应用到LSSVR模型的参数优化中,避免参数选择的盲目性.根据接收信号强度指示(received signal strength indication,RS-SI)测距技术获得节点移动过程中的距离向量,将其输入LSSVR定位模型,估计出未知节点的坐标.仿真结果表明,相对于LSSVR与PSO-LSSVR算法,所提算法的定位精度分别提高了25.9％和19.7％,具有较好的定位稳定性与实时性.