基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感網(wǎng)絡(luò)的校準(zhǔn).pdf

1、無(wú)線傳感器網(wǎng)絡(luò)是由大量具有無(wú)線通信和數(shù)據(jù)處理能力的傳感器節(jié)點(diǎn)組成的。這些節(jié)點(diǎn)通常布置在環(huán)境易變、不易于人為接近的環(huán)境中，環(huán)境變化或者節(jié)點(diǎn)自身老化等因素，都會(huì)造成傳感器出現(xiàn)非線性誤差。無(wú)線傳感器網(wǎng)絡(luò)采集的數(shù)據(jù)是無(wú)線檢測(cè)系統(tǒng)進(jìn)行分析和處理的基礎(chǔ)，其準(zhǔn)確性對(duì)檢測(cè)系統(tǒng)的性能起著決定性的作用，因此數(shù)據(jù)校準(zhǔn)是提高無(wú)線傳感器網(wǎng)絡(luò)性能的重要技術(shù)之一。采用BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)對(duì)無(wú)線傳感器網(wǎng)絡(luò)的非線性失真進(jìn)行校正，詳細(xì)介紹了校準(zhǔn)

2、無(wú)線網(wǎng)絡(luò)的原理，提出了優(yōu)化的神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，該算法不僅減小了校準(zhǔn)時(shí)間，提高了校準(zhǔn)精度，還適用于其他系統(tǒng)的非線性校準(zhǔn)。
　　首先對(duì)無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行了研究，介紹了無(wú)線傳感器網(wǎng)絡(luò)的發(fā)展和體系結(jié)構(gòu)，分析了無(wú)線校準(zhǔn)技術(shù)的背景和意義、國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)。
　　接著對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了介紹，給出了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史、應(yīng)用領(lǐng)域和國(guó)內(nèi)外研究現(xiàn)狀，針對(duì)算法在實(shí)際應(yīng)用中存在的問(wèn)題，分析了無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)在使用中存在的主要失真原因，

3、分析并比較了很多BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法。為了更好的提高BP神經(jīng)網(wǎng)絡(luò)校準(zhǔn)的性能，對(duì)現(xiàn)有的初值算法進(jìn)行優(yōu)化得到分步賦初值算法，該算法著重研究了神經(jīng)網(wǎng)絡(luò)的算法和其初值之間的關(guān)系，建立了神經(jīng)網(wǎng)絡(luò)輸出層的線性方程，通過(guò)求解方程得到了BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)初始值。
　　最后對(duì)BP算法在無(wú)線傳感網(wǎng)絡(luò)中的校準(zhǔn)應(yīng)用進(jìn)行了分析。首先以硅壓力傳感器為例，詳細(xì)地分析了神經(jīng)網(wǎng)絡(luò)校準(zhǔn)該傳感器節(jié)點(diǎn)的原理，指出只要選擇合適的輸入輸出參數(shù)，神經(jīng)網(wǎng)絡(luò)就可以映射出任意的非

4、線性關(guān)系，對(duì)任意系統(tǒng)的誤差進(jìn)行校準(zhǔn)補(bǔ)償。接著應(yīng)用軟件和硬件平臺(tái)，組建了一個(gè)點(diǎn)對(duì)點(diǎn)的簡(jiǎn)單無(wú)線傳感器網(wǎng)絡(luò)，描述了無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)采集的過(guò)程，以及用BP神經(jīng)網(wǎng)絡(luò)對(duì)無(wú)線網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行校準(zhǔn)分析，結(jié)果表明誤差精度比校準(zhǔn)前提高了兩個(gè)數(shù)量級(jí)。為了驗(yàn)證優(yōu)化后的分步賦初值算法的優(yōu)越性，與傳統(tǒng)BP算法進(jìn)行了仿真分析的比較，Matlab仿真結(jié)果表明：優(yōu)化后的分步賦初值算法不僅降低了BP算法的訓(xùn)練時(shí)間,使其由13秒縮短到1秒以內(nèi)，還使誤差曲線變?yōu)橹本€下降，在一定