Institutional Repository of Coll Comp & Commun
基于SSA-ELM神经网络的室内可见光定位系统 | |
贾科军; 牛振; 于凯; 张志聪; 彭铎; 曹明华 | |
2024-01-23 | |
发表期刊 | 光通信研究 |
ISSN | 1005-8788 |
页码 | 1-9 |
摘要 | 【目的】针对极限学习机(ELM)神经网络在室内可见光定位中收敛不稳定,易陷入局部最优状态,导致定位精度降低的问题。【方法】文章引入麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值,提出SSA-ELM神经网络算法。首先,采集定位区域内接收信号强度(RSS)与位置信息作为指纹数据。然后,训练SSA-ELM神经网络并得到预测模型,将测试集数据输入预测模型得到待测位置的定位结果。最后,设计了仿真实验和测试平台。【结果】仿真结果表明,在立体空间模型0、0.3、0.6和0.9 m4个接收高度,平均误差分别为1.73、1.86、2.18和3.47 cm,与BP、SSA-BP、ELM定位算法相比,SSA-ELM定位精度分别提高了83.55%、45.71%和26.26%,定位时间分别减少了36.48%、17.69%和6.61%。实验测试表明,SSA-ELM神经网络算法的平均定位误差为3.75 cm,比未优化的ELM神经网络定位精度提高了16.38%。【结语】SSA算法对ELM神经网络具有明显的优化作用,能够显著降低定位误差,减少定位时间。 |
关键词 | 可见光通信 室内定位 极限学习机神经网络 麻雀搜索算法 |
URL | 查看原文 |
语种 | 中文 |
资助项目 | 国家自然科学基金(61875080);甘肃省科技计划资助(22JR5RA276;22JR5RA274;23YFGA0062;2022A-215);兰州理工大学博士科研启动经费项目(061903) |
中图分类号 | TN929.1;TP183 |
原始文献类型 | 学术期刊 |
文献类型 | 期刊论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/169399 |
专题 | 计算机与通信学院 |
通讯作者 | 贾科军 |
作者单位 | 兰州理工大学计算机与通信学院 |
第一作者单位 | 计算机与通信学院 |
通讯作者单位 | 计算机与通信学院 |
第一作者的第一单位 | 计算机与通信学院 |
推荐引用方式 GB/T 7714 | 贾科军,牛振,于凯,等. 基于SSA-ELM神经网络的室内可见光定位系统[J]. 光通信研究,2024:1-9. |
APA | 贾科军,牛振,于凯,张志聪,彭铎,&曹明华.(2024).基于SSA-ELM神经网络的室内可见光定位系统.光通信研究,1-9. |
MLA | 贾科军,et al."基于SSA-ELM神经网络的室内可见光定位系统".光通信研究 (2024):1-9. |
条目包含的文件 | 条目无相关文件。 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[贾科军]的文章 |
[牛振]的文章 |
[于凯]的文章 |
百度学术 |
百度学术中相似的文章 |
[贾科军]的文章 |
[牛振]的文章 |
[于凯]的文章 |
必应学术 |
必应学术中相似的文章 |
[贾科军]的文章 |
[牛振]的文章 |
[于凯]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论