| 一种基于SO-CNN模型的可见光室内定位优化方法 |
| |
| 作者姓名： | 陈静 刘旋 王金元 章永龙 朱俊武 |
| |
| 作者单位： | 1.扬州大学 信息工程学院(人工智能学院),江苏 扬州 225127;2.扬州大学 信息工程学院(人工智能学院),江苏 扬州 225127;东南大学 计算机科学与工程学院,南京 211189;3.安徽工程大学 汽车新技术安徽省工程技术研究中心,安徽 芜湖 241000 |
| |
| 基金项目： | 江苏省“双创博士”项目（JSSCBS20211035）;江苏省博士后基金项目（2021K402C）;汽车新技术安徽省工程技术研究中心开放课题项目(QCKJ202205A) |
| |
| 摘 要： | 针对基于机器学习的可见光室内定位方法存在的手工调参、定位精度低等问题,结合蛇优化(Snake Optimization,SO)算法的寻优能力与卷积神经网络(Convolutional Neural Network,CNN)处理复杂非线性问题的能力,提出了一种基于SO-CNN模型的可见光室内定位优化方法.在考虑多径效应影响的情况下,采集每个位置点处的信噪比和对应位置坐标构建指纹数据库,对SO-CNN模型进行训练和测试,以得到最佳定位模型.实验结果表明,在 5 m×5 m×3 m的房间中,与未经优化的CNN相比,该方法的平均定位误差降低了 35.13%;与反向传播神经网络(Back Propagation Neural Network,BPNN)、多层感知器(Multilayer Perceptron,MLP)、SO-MLP 相比,该方法的平均定位误差分别降低了54.75%,48.08%,37.01%.
|
| 关 键 词： | 可见光室内定位(VLIP) 指纹定位法 蛇优化算法 卷积神经网络 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电讯技术》浏览原始摘要信息 |
|
点击此处可从《电讯技术》下载免费的PDF全文 |
|
