[发明专利]一种基于测距和神经网络算法的水下定位方法

摘要

本发明公开了一种基于测距和神经网络算法的水下定位方法，包括如下步骤：在定位水域内布置K个锚节点和N个待定位节点，测量每个待定位节点与K个锚节点之间的距离；分离线训练和在线定位两个阶段进行定位；所述离线训练阶段包括以下步骤：测量第n个待定位节点与所有锚节点距离，形成距离向量，将距离向量输入三层神经网络：神经网络输入层、神经网络隐藏层和神经网络输出层；通过算法迭代更新预测模型参数，输出神经网络模型参数；所述在线定位阶段包括以下步骤：测量第n个待定位节点与所有锚节点当前距离，形成距离向量；将距离向量输入离线训练阶段得到的神经网络模型参数；输出待定位节点的位置坐标，减小测距误差。

主权项

1.一种基于测距和神经网络算法的水下定位方法，其特征在于，包括如下步骤：A1、在定位水域内布置K个锚节点和N个待定位节点，测量每个待定位节点与K个锚节点之间的距离；A2、分离线训练和在线定位两个阶段进行定位；A3、所述离线训练阶段包括以下步骤：A31、测量第n个待定位节点与所有锚节点距离，形成距离向量dn；A32、将距离向量dn输入三层神经网络：神经网络输入层、神经网络隐藏层和神经网络输出层；A33、通过算法迭代更新预测模型参数，输出神经网络模型参数；A4、所述在线定位阶段包括以下步骤：A41、测量第n个待定位节点与所有锚节点当前距离，形成距离向量sn；A42、将距离向量sn输入离线训练阶段得到的神经网络模型参数；A43、输出待定位节点的位置坐标；其中：步骤A31中所述距离向量dn由下列公式表示：dn＝[dn,1,…,dn,k,…,dn,K]T其中：dn,k表示第n个待定位节点与第k个锚节点之间的距离，n∈[1,N]，k∈[1,K]，T表示转置操作；步骤A32中，所述神经网络输入层：共有K+1个节点，前K个为激活节点，对应为输入节点，第k个节点的输入与输出均为dn,k，k∈[1,K]，输入层第K+1个节点为偏置节点，其输出为所述神经网络隐藏层：共有U+1个节点，前U个为激活节点，其中第u个激活节点输入为输出为u∈[1,U]，为输入层到隐藏层第u个激活节点的转移参数向量，f(x)表示激活函数，全部U个激活节点输出向量为隐藏层第U+1个节点为偏置节点，其输出为所述神经网络输出层：只有1个节点，其输入为输出为其中，为隐藏层到输出节点的转移参数向量，(xn,yn)为第n个待定位节点的位置坐标。