【技术实现步骤摘要】
一种基于粒子群优化极限学习机的可见光定位方法
本专利技术涉及可见光定位领域，尤其涉及一种基于粒子群优化极限学习机的可见光定位方法。
技术介绍
随着室内导航的应用及发展，人们对室内定位的要求不断提高，定位技术也得到了发展。适用于室外定位的GPS技术不能满足室内定位的需求，其它定位技术如超宽带、红外、WIFI等由于设备复杂，价格昂贵，定位精度不高等原因，没有得到广泛应用。可见光通信可用于数据通信，因此将可见光通信应用于室内定位技术为定位提供了新方式。根据接收端的不同，可见光定位分为基于光电探测器和基于图像传感器两种。当接收端为光电探测器时，常见的定位算法有接收信号强度(RSS)、到达角度法(AOA)、到达时间法(TOA)、到达时间差法(TDOA)。RSS主要利用接收端的信号强度来建立关于距离的三元二次方程，利用最小二乘法来求解三个三元两次方程组以表示接收端的位置。AOA利用发送端和接收端的角度进行定位，用三角定位确定接收端位置坐标，但只适用于视距传播。TOA利用发送端和接收端到达时间来表示发送端和接收端的距离，但由于室内距离较近，要求发送端和接收端严格同步。TDOA利...
【技术保护点】
1.一种基于粒子群优化极限学习机的可见光定位方法，其特征在于，所述方法包括以下步骤：1)将新求得的每个粒子的个体适应度值与个体极值Pbest与群体极值Gbest比较，若新的个体适应度值更优，则更新个体极值和群体极值；当迭代次数达到最大值或适应度值达到预设的最小值时，输出最优的粒子；2)将最优粒子的位置作为极限学习机的输入权值和隐藏层阈值的参数；3)将训练样本集输入到极限学习机神经网络中，进行神经网络训练，将测试样本集输入到已经训练好的极限学习机神经网络中，计算出整体的平均定位误差。
【技术特征摘要】
1.一种基于粒子群优化极限学习机的可见光定位方法，其特征在于，所述方法包括以下步骤：1)将新求得的每个粒子的个体适应度值与个体极值Pbest与群体极值Gbest比较，若新的个体适应度值更优，则更新个体极值和群体极值；当迭代次数达到最大值或适应度值达到预设的最小值时，输出最优的粒子；2)将最优粒子的位置作为极限学习机的输入权值和隐藏层阈值的参数；3)将训练样本集输入到极限学习机神经网络中，进行神经网络训练，将测试样本集输入到已经训练好的极限学习机神经网络中，计算出整体的平均定位误差。2.根据权利要求1所述的一种基于粒子群优化极限学习机的可见光定位方法，其特征在于，在步骤1)之前所述方法还包括：初始化极限学习机神经网络的结构、粒子种群数、迭代次数，随机初始化粒子的速度和位置以及速度和位置的范围；适应度函数由极限学习机计算的可见光定位误差表示：fitness＝|oj-T|其中，fitness为适应度函数，其值表示为粒子的个体适应度值，当fitness值越小，代表粒子更优；oj为ELM训练输出样本矩阵，T为期望输出矩阵；根据适应度函数初始化每个粒子的个体适应度值，并初始化个体极值Pbest和群...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。