论文部分内容阅读
传统的UWB室内定位技术采用几何算法对标签进行解析定位,但复杂的室内环境和测距误差,可能导致方程组无解从而无法实现定位.针对上述问题,提出一种基于改进BP神经网络的UWB室内定位算法.将输出层输出的标签坐标与真实坐标的差值作为误差信号,利用梯度下降法修正网络的各个权值,使误差达到最小.以BP算法为基础,通过网络训练误差的变化趋势自适应调整学习率,提高收敛速率.通过与传统的定位技术和基于BP神经网络的定位算法进行对比实验,仿真实验结果表明,该算法的迭代次数和定位误差明显较小,输出轨迹与实际运动轨迹基本吻合,具有较高的定位精度.