| 幾何精度因子（ geometric dilution of
precision，GDOP）是一種廣泛作為挑選最佳量測
單元的準則。為了提高定位精度，本文使用加權
幾何精度精因子（weighted geometric dilution of
precision，WGDOP）取代幾何精度因子，作為量
測單元挑選準則。傳統計算幾何精度因子的方法
為利用反矩陣進行求解，由於需要較大的運算量，
在實際應用上會造成負擔。本文提出以擬牛頓法
（Quasi-Newton method）為基礎的類神經網路
（neural network）近似加權幾何精度因子，以進
行量測單元的挑選。在本文中，將原本利用傳統
倒傳遞類神經網路近似幾何精度因子的四種架構，
擴充至利用擬牛頓法類神經網路近似加權幾何精
度因子。經由模擬結果顯示，為了降低計算複雜
度，建議先選擇提供服務的基地台，再結合其它
三個基地台進行位置估測，以減少子集合的數量，
模擬結果顯示，與傳統利用反矩陣的計算方法相
比，可大幅減少計算複雜度。 |
