基于Circle混沌映射的ISSA-ELM神经网络室内可见光定位方法

摘要：

针对传统室内可见光定位精度较低、基于神经网络的室内可见光定位收敛速度慢且泛化能力弱等问题,提出一种结合基于Circle混沌映射的优化麻雀搜索算法-极限学习机(ISSA-ELM)神经网络和接收信号强度指示(RSSI)的室内可见光定位方法,在考虑天花板、墙壁和地板反射作用的情况下,将每个参考点处的RSSI和光电探测器的真实位置坐标作为训练集数据,对优化后的ISSA-ELM神经网络模型进行训练,建立室内可见光定位预测模型,并利用测试集对定位模型进行测试.仿真结果表明,优化后的ISSA-ELM神经网络的训练时间为0.0454 s,平均定位时间为3.5 ms,在5 m×5 m×3 m的室内环境,对位于0、0.5、1.0、1.5 m高度参考点的平均定位误差分别为1.01、1.14、1.36、3.87 cm,相比极限学习机(ELM)神经网络的定位精度分别提高了20.47％、19.72％、37.91％、42.32％.因此,所提的室内可见光定位方法具有定位速度快、定位精度高、系统性能稳定等优点.

关键词：光通信、Circle混沌映射、麻雀搜索算法、ELM神经网络、室内定位

所属期刊栏目：43

分类号：TN929.1

在线出版日期：2023-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：25-34