اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,240 |
| تعداد مقالات | 8,994 |
| تعداد مشاهده مقاله | 7,846,613 |
| تعداد دریافت فایل اصل مقاله | 4,707,240 |
افزایش دقت مکان‌یابی در سیستم‌های مخابراتی بدون سیم مبتنی بر شبکه عصبی | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 3، دوره 3، شماره 3، آذر 1394، صفحه 31-38 اصل مقاله (826.86 K) | ||
| نویسندگان | ||
| زهرا امیرخانی* 1؛ محمد حسین مدنی2؛ سعیده سادات سدید پور3؛ امیرحسین مومنی ازندریانی3 | ||
| 1دانشجوی کارشناسی ارشد، دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
| 2دانشیار، دانشگاه صنعتی مالک اشتر ، تهران، ایران | ||
| 3دانشجوی دکترا، دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
| تاریخ دریافت: 08 شهریور 1393، تاریخ بازنگری: 31 خرداد 1402، تاریخ پذیرش: 28 شهریور 1397 | ||
| چکیده | ||
| مکان‌یابی دقیق هدف در سیستم‌های مخابراتی بدون سیم یکی از مسائل مهم در کاربردهای نظامی و غیرنظامی می‌باشد. در شبکه‌های مخابراتی بدون سیم مکان کاربر با استفاده از اندازه‌گیری زمان ورود سیگنال (TOA) از MS به BS های مجاور انجام می‌شود. یکی از روش‌های دقیق برای تعیین مکان در سیستم‌های مبتنی بر TOA استفاده از شبکه‌های عصبی می‌باشد. در این مقاله الگوریتم جدیدی برای افزایش دقت مکان‌یابی بر اساس شبکه عصبی BPNNارائه شده است. در الگوریتم جدید ارائه شده به‌جای استفاده از نقاط تقاطع احتمالی دوایر TOA به‌عنوان ورودی شبکه عصبی، از شعاع دوایر TOA استفاده‌شده که نسبت به روش قبلی از پیچیدگی بسیار کمتری برخوردار بوده و باعث افزایش دقت می‌گردد. نتایج تحلیل و شبیه‌سازی‌ها نیز کاهش خطای مکان‌یابی به میزان بیشتر از نصف در الگوریتم جدید نسبت به روش قبلی و لذا افزایش قابل‌توجه دقت مکان‌یابی را نشان می‌دهد. | ||
| کلیدواژه‌ها | ||
| مکان یابی؛ زمان ورود سیگنال (TOA)؛ سیستم مخابراتی بدون سیم؛ شبکه عصبی | ||
| عنوان مقاله [English] | ||
| Increasing the Accuracy of Locating in Wireless Communication Systems Based on Neural Networks | ||
| نویسندگان [English] | ||
| Zahra Amirkhani1؛ Mohammad Hossein Madani2؛ Saeideh Sadat Sadidpour3؛ Amir Hossein Momeni3 | ||
| 1Master's student, Malik Ashtar University of Technology, Tehran, Iran | ||
| 2Associate Professor, Malik Ashtar University of Technology, Tehran, Iran | ||
| 3PhD student, Malik Ashtar University of Technology, Tehran, Iran | ||
| چکیده [English] | ||
| The exact location of wireless communication systems aimed at both military and civilian applications is an important issue. In wireless communication networks, the user's location is done by using the measured signals time of arrival (TOA) from MS to BS. One of the most accurate methods for determining the TOA -based location systems is the use of neural networks. In this paper, a new algorithm is provided to improve the accuracy of locating based on BP neural network. In the newly proposed algorithm, instead of possible crossing points of TOA circles as neural network input, radius of TOA circle is used that much less than the previous method of complexity and accuracy is increased. Analysis and simulations show reduction positioning errors to a greater extent than half in the new algorithm compared to the previous method and it shows the location carefully. | ||
| کلیدواژه‌ها [English] | ||
| the accuracy of locating, wireless communication systems, neural networks | ||
| مراجع | ||
|
[1] “Revision of the Commission’s Rules to Insure Compatibility with Enhanced 911 Emergency Calling Systems,” Fed. Commun. Commission (FCC), Washington, DC, Tech. Rep. RM-8143, 1996. [2] H.-L. Song, “Automatic vehicle location in cellular communications systems,” IEEE Trans. Veh. Technol., vol. 43, pp. 902–908, 1994. [3] M. P. Lotter and P. V. Rooyen, “Space Division Multiple Access for Cellular CDMA,” In Proceedings of the IEEE International Symposium on Spread Spectrum Techniques and Applications, Sun City, South Africa, pp. 959-964, 2–4 September 1998. [4] S. Al-Jazzar, J. Caffery, and H.-R. You, “A Scattering Model Based Approach to NLOS Mitigation in TOA Location Systems,” In Proceedings of the 55th IEEE Vehicular Technology Conference, Dallas, TX, USA, pp. 861-865, 25–28 September 2005. [5] J. O. Smith and J. S. Abel, “Closed-form least squares source location estimation from range difference measurements,” IEEE Trans. Acoust. Speech Signal Process, ASSP-35, pp. 1661–1669, 1987. [6] H.-K. Ko, “NLOS mobile location determination in CDMA cellular systems,” M.Sc. Thesis, Toronto University, Toronto, 1999. [7] N. J. Thomas and D. G. M. Cruickshank, “A passive mobile location system for UMTS,” IEE, Colloquium on UMTS Terminal and Software Radio, pp. 10/1-10/6, 1999. [8] J. J. Caffery and G. L. Stuber, “Subscriber location in CDMA cellular networks,” IEEE Trans. Veh. Technol., vol. 47, no. 2, pp. 406-416, 1998. [9] P. T. Thompson and D. Brooks, “Results of the Tsunami field trials: Position location in macro and micro cell environments," IEE , Colloquium on Novel Methods of Location and Tracking of Cellular Mobile and Their System, pp. 3/1-3/8, 1999. [10] R. Estrada, D. M. Rodriguez, C. Molina, and K. Basu, “Cellular position location techniques: a parameter detection approach,” 49th IEEE Conf. Veh. Technol., vol. 2, pp. 1166-1171, 1999. [11] J. J. Caffery and G. Stuber, “Overview of radiolocation in CDMA cellular systems,” IEEE Commun. Mag., vol. 36, pp. 38–45, 1998. [12] J. H. Krizman, K. J. Woerner, and B. D. Rappaport, “An overview of the challenges and progress in meeting the E-911 requirement for location service,” IEEE Commun. Mag., vol. 36, pp. 30–37. 1998. [13] M. I. Silventoinen and T. Rantalainen, “Mobile station emergency locating in GSM,” in Proc. IEEE Int. Conf. Personal Wireless Communications, pp. 232–238, 1996. [14] M. P. Wylie and J. Holtzman, “The online of sight problem in mobile location estimation,” in Proc. IEEE Int. Conf. Universal Personal Communications (ICUPC’96), vol. 2, pp. 827–831, 1996. [15] S.-S. Woo, H. You, and J.-S. Koh, “The NLOS mitigation technique for position location using IS-95 CDMA networks,” in Proc. IEEE Vehicular Technology Conf. (VTC’00), vol. 6, pp. 2556-2560, 2000. [16] A. Shareef, Y. Zhu, and M. Musavi, “Localization Using Neural Networks in Wireless Sensor Networks,” In Proceedings of the International Conference on Mobile Wireless Middle Ware, Operating Systems and Applications, London, UK, pp. 1-7, 22–24 June 2007. [17] D. E. Rumelhart, G. E. Hinton, and R. J. Williams, “Learning representations by back-propagating errors, Nature, vol. 323, pp. 533–536, 1986. [18] C.-S. Chen, “Artificial Neural Network for Location Estimation in Wireless Communication Systems,” sensors journal, ISSN 1424-8220, Sensors, vol. 12, pp. 2798-2817, 2012. doi:10.3390/s120302798 [19] W. Foy, “Position-location solutions by Taylor series estimation,” IEEE Trans. Aerosp. Electron. Syst., AES-12, pp. 187-193, 1976. [20] J. Caffery, “A New Approach to the Geometry of TOA Location,” In Proceedings of the IEEE Vehicular Technology Conference, Boston, MA, USA, pp. 1943–1949, 24–28 September 2000. [21] S. Venkatraman, J. Caffery, and H.-R. You, “A novel TOA location algorithm using LOS range estimation for NLOS environments,” IEEE Trans. Veh. Technol., vol. 53, pp. 1515-1524, 2004. [22] D. E. Rumelhart, G. E. Hinton, and R. J. Williams, “Learning representations by back-propagating errors,” Nature, vol. 323, pp. 533-536, 1986. [23] A. R. Venkatachalan and J. E. Sohl, “An intelligent model selection and forecasting system,” J. Forecast, vol. 18, pp. 167–180, 1999. [24] B. Windrow and M. A Lehr, “30 years of Adaptive Neural Networks,” Preparation, Madeline, and Back propagation, proceedings of the IEEE, special issue on neural network theory and Modeling-I, vol-78, no. 9, pp. 1415-1442, September 1990. | ||
|
آمار تعداد مشاهده مقاله: 322 تعداد دریافت فایل اصل مقاله: 220 |
||