电讯技术

作者：陈静,刘旋,王金元,章永龙,朱俊武

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.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)

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；

基金：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)

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%。

来源：2024年第5期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第5期