一种基于广义回归神经网络的室内3D定位方法技术

本发明专利技术公开了一种基于广义回归神经网络的室内3D定位方法，涉及3D定位技术领域，通过对种群初始化的改进、控制参数的对数式调整以及适应度权值的引入，经过多次迭代，获得更佳的适应度值和更快的收敛速度。同时将其引入到广义回归神经网络模型中，利用优化平滑因子σ的取值，建立最优广义回归神经网络模型，准确定位待测节点的三维位置；本申请提供的一种基于广义回归神经网络的室内3D定位方法，通过引入改进的灰狼算法IGWO优化广义回归神经网络的平滑因子σ，有效解决了因人为选择参数不当而导致的预测效果不好和过拟合现象，提高了模型的预测精度，定位精度更高且寻优速度更快。定位精度更高且寻优速度更快。定位精度更高且寻优速度更快。

【技术实现步骤摘要】
一种基于广义回归神经网络的室内3D定位方法


[0001]本专利技术涉及3D定位
，特别涉及一种基于广义回归神经网络的室内3D定位方法。

技术介绍

[0002]为实现更加精准的室内定位，现有技术应用人工神经网络等人工智能理论结合接收信号强度RSSI(Received Signal Strength Indication)进行室内定位。其中，广义回归神经网络(Generalized RegressionNeuralNetwork,GRNN)非线性映射能力强，数据拟合能力和学习速度也更优，十分适合室内定位。其模型结构简单，预测性能很大程度上取决于参数σ的取值，但σ取值时主观影响较大，需要寻找一种优化σ取值的方法来实现高精度定位。
[0003]灰狼优化算法(GreyWolfOptimizer,GWO)是一种新兴的群智能优化算法，收敛性能较强、参数少、易实现，可用于优化参数，被许多研究者广泛采用，但GWO算法在寻优过程中容易陷入局部最优。为进一步提升GWO算法的性能，现有技术利用混沌Cat映射、粒子群算法个体记忆功能、高斯变异扰动和优胜劣汰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于广义回归神经网络的室内3D定位方法，其特征在于，包括以下步骤：采集测试场所内测试节点的三维坐标样本数据，训练并建立广义回归神经网络模型；利用灰狼算法调整平滑因子，获得最优优化平滑因子σ；将灰狼种群的初始种群分布的最优优化平滑因子σ映射为广义回归神经网络模型的参数平滑因子σ；在测试场所的角落和中心处设置信标节点；将待测节点与信标节点间的信号强度值输入广义回归神经网络模型，广义回归神经网络模型输出待测节点的三维坐标值。2.如权利要求1所述的一种基于广义回归神经网络的室内3D定位方法，其特征在于，所述利用灰狼算法调整平滑因子，获得最优优化平滑因子σ的步骤，包括：利用佳点集方法初始化灰狼算法的灰狼种群，获得灰狼种群的初始种群分布；引入适应度权值，计算灰狼种群的初始种群分布的适应度值；对灰狼算法的控制参数进行对数式调整；获取灰狼种群的最优优化平滑因子σ。3.如权利要求2所述的一种基于广义回归神经网络的室内3D定位方法，其特征在于，所述利用佳点集方法初始化灰狼算法的灰狼种群，获得灰狼种群的初始种群分布的步骤，包括：在D维搜索空间内随机生成N个灰狼表示为：r
d
＝e
d
,1≤d≤D其中，e为常数，e＝2.71828183，d表示当前搜索空间维数；使用佳点集方法，佳点集中第i个点的第d维表示为：其中，表示向下取整；将佳点集映射到灰狼种群的初始种群，搜索空间为1维，则第i个灰狼的1维空间的值为：X
i
＝l1+r
i1
(u1‑
l1),i＝1,2,...,N其中，u1和l1分别表示灰狼个体的1维空间的上下限；获得灰狼种群的初始种群分布。4.如权利要求2所述的一种基于广义回归神经网络的室内3D定位方法，其特征在于，所述引入适应度权值，计算灰狼种群的初始种群分布的适应度值的步骤，包括：构造适应度函数计算灰狼个体的适应度值，适应度函数为：其中，(x
′
j
,y
′
j
,z
′...

【专利技术属性】
技术研发人员：高媛，
申请(专利权)人：徐州工业职业技术学院，
类型：发明
国别省市：