Intelligent LQI-based wireless sensor network applied to ZigBee positioning system

• Autorzy: Mon Y. J. , Lin C. M.

Warianty tytułu

PL

Zastosowanie LQI do inteligentnej sieci czujników bezprzewodowych w aplikacji do systemu pozycjonowania ZigBee

• Języki publikacji: EN

Abstrakty

EN

In this paper, a link quality indicator (LQI) based wireless sensor network (WSN) constructed by a recurrent fuzzy neural network (RFNN) is developed as a ZigBee Positioning System (ZPS) to monitor and realize the tag of 802.15.4/ZigBee locations. First, the performance of LQI is demonstrated, then it is applied to develop a ZPS which is used to verify the performance of indoor location identification. Finally, an RFNN is used to combine with the ZPS to develop a location system, and it can be applied for children’s position monitoring. The experimental results demonstrate good positioning performance has been achieved by the proposed location system.

PL

W artykule opisano sieć czujników bezprzewodowych zbudowaną za pomocą sieci neuronowej RFNN, na bazie metody LQI. Ma ona zastosowanie w protokole 802.15.4/ZigBee jako blok lokalizacji (ZigBee Positioning System). Omówione zostało zastosowanie LQI, który został wykorzystany w projektowaniu ZPS. Na koniec wykorzystano RFNN oraz ZPS w budowie systemu lokalizacji. Badania eksperymentalne potwierdziły skuteczność działania proponowanego systemu.

Słowa kluczowe

EN

recurrent network; fuzzy neural networks; wireless sensor network; link quality indicator; ZigBee

PL

sieć neuronowa; sieć czujników bezprzewodowych; wskaźnik LQI; ZigBee

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 5
• Strony: 241--244
• Opis fizyczny: Bibliogr. 10 poz., rys.

Twórcy

autor

Mon Y. J.

• Taoyuan Innovation Institute of Technology

autor

Lin C. M.

• Yuan Ze University

Bibliografia

• [1] Yick J., Mukherjee B. and Ghosal D., Wireless sensor network survey, Computer Networks, 52 (2008), 2292-2330.
• [2] Larios D. F., Barbancho J., Molina F. J. and Leon C., LIS: Localization based on an intelligent distributed fuzzy system applied to a WSN, Ad Hoc Networks, 10 (2012), 604-622.
• [3] i-Tracer User Guide, Fontal Technology Inc., (2013). (http://www.surewin.com.tw)
• [4] Lin F. J. and Wai R. J., Hybrid control using recurrent fuzzy neural network for linear-induction motor servo drive, IEEE Transactions on Fuzzy Systems, 9 (2001), 102-115
• [5] Mon Y. J. and Lin C. M., Supervisory recurrent fuzzy neural network guidance law design for autonomous underwater vehicle, International Journal of Fuzzy Systems, 14 (2012), No. 1, 54-64
• [6] MATLABTM user guide, Mathworks Ltd. (2013). (http://www.mathworks.com)
• [7] Baronti P., Pillai P., Chook V. W. C., Chessa S., Gotta A. and Hu Y. F., Wireless sensor networks: a survey on the state of the art and the 802.15.4 and ZigBee standars, Computer Communications, 30 (2007), 1655-1695
• [8] Jiang H., Liu C. and Sun X., An application of canonical decomposition to TDOA estimation for 3D wireless sensor network node localization, Przeglad Elektrotechniczny, 2012 (2012), No. 09b, 92-95
• [9] Qiao G. and Zeng J., Position-based wireless sensor network routing protocol for strip area, Przeglad Elektrotechniczny, 2012 (2012), No. 09b, 188-191
• [10] Jennic web e-documents and user guide, Jennic Inc. (2013). (www.jennic.com)