基于反向学习模拟退火算法的精确 RSS 定位
信号处理
2023-07-25 v1
摘要
无线传感器网络需要准确的目标定位，通常借助基于最大似然（ML）的接收信号强度（RSS）定位估计来实现。然而，基于 ML 的算法可能存在低多样性、收敛慢与局部最优等问题，这会显著影响定位性能。本文中，我们提出一种结合反向学习（OBL）与模拟退火算法（SAA）的新颖定位算法以应对这些挑战。该算法首先随机生成初始解，作为 SAA 的起点。随后，采用 OBL 生成反向初始解，有效提供另一种初始解。然后，SAA 分别在原始与反向初始解上独立执行，各自优化至潜在最优解。最终解选为 SAA 两个结果中较优者，从而降低算法陷入局部最优的可能性。仿真结果表明，所提算法在定位精度上持续优于现有算法，证明了我们方法的有效性。
引用
@article{arxiv.2307.11950,
title = {Accurate RSS-Based Localization Using an Opposition-Based Learning Simulated Annealing Algorithm},
author = {Weizhong Ding and Shengming Chang and Shudi Bao and Meng Chen and Jie Sun},
journal= {arXiv preprint arXiv:2307.11950},
year = {2023}
}