论文部分内容阅读
考虑到基于Zigbee传感器网络信号强度指示的指纹库定位算法只适用于静态条件下的定位,无法有效去除受噪声污染严重的有害数据,定位精度不尽人意,根据噪声的分布特点,引入粒子滤波技术,优化了该算法,有效去除了受噪声污染的有害数据,实现了目标的动态精确定位跟踪。传统粒子算法在应用过程中对重要性分布函数做了高斯分布假设,使得定位精度受到影响,将多层神经网络引入滤波算法进行补偿优化。实验结果验证了改进算法的优越性,其在静态条件下平均定位误差小于1.14m,动态跟踪定位精度也有很大幅度的提高,具有实际应用价值。