12、无线CPSS中的高效DV-HOP定位：一种基于相关熵的神经网络学习方案

无线CPSS中的高效DV-HOP定位：一种基于相关熵的神经网络学习方案

1 引言

近年来，社交感知计算领域通过整合社会计算和普适计算，取得了显著进展。在无线网络物理社交感知系统（Wireless Cyber-Physical Social Sensing System, CPSS）中，节点定位问题一直是研究的重点。准确定位传感器节点不仅有助于提高系统的整体性能，还能增强对环境变化的响应能力。为了应对这一挑战，研究者们提出了一种基于相关熵的神经网络学习方案，结合DV-HOP算法和接收信号强度指示（RSSI），以实现高效的节点定位。

2 预备知识

2.1 DV-HOP算法

DV-HOP（Distance Vector Hop）是一种经典的无距离限制定位算法，广泛应用于无线传感器网络（Wireless Sensor Networks, WSN）。其基本原理是通过多跳传播机制，利用锚节点之间的距离信息来估计未知节点的位置。然而，传统DV-HOP算法在节点分布不均匀的情况下，定位精度会大幅下降。为此，许多改进算法应运而生，试图通过引入其他信息源来提高定位精度。

2.2 接收信号强度指示（RSSI）

RSSI（Received Signal Strength Indication）是指接收到的无线信号强度指示值，通常用于衡量信号的质量。相比于其他定位参数，RSSI与位置的相关性更高，且成本较低，因此在实际应用中更受欢迎。然而，RSSI容易受到环境噪声的影响，可能导致定位误差增加。因此，结合RSSI和DV-HOP可以有效减少距离测量误差，而无需额外硬件支持。

2.3 极限学习机（ELM）