基于Elman神经网络的室内定位算法_陈俊波.pdf

2023年第1期基于 Elman 神经网络的室内定位算法Indoor positioning algorithm based on Elman neural networkCHEN Junbo,ZHAO Li,LIU Haitao,MENG Xiangyan(School of Electronic Information Engineering,Xian Technological University,Xian 710032，China)Abstract:Aiming at the low accuracy of traditional indoor positioning algorithm,an indoor positioning algorithm based on El-man neural network was proposed.The Elman neural network is used to expand the fingerprint database interpolation,completethe fingerprint database,and reduce the positioning error,and the algorithm model is verified by experiments.The experimentalresultsshowthattheaveragepositioningerroroftheproposedalgorithmis4.6cmin0.8m 0.8m0.8 m environment,which meetsthe accuracy requirements of indoor positioning.Key words:visible light communication,indoor positioning,Elman neural network,data interpolation陈俊波，赵 黎，刘海涛，孟祥艳（西安工业大学 电子信息工程学院，西安710032）摘要：针对传统室内定位算法精度较低的问题，提出一种基于 Elman 神经网络的室内定位算法。使用 Elman 神经网络进行指纹库插值扩充，完备指纹库，两者结合减少定位误差，并对该算法模型进行了实验验证。实验结果表明：在 0.8 m0.8 m0.8 m 环境中，所提算法的平均定位误差为 4.6 cm，满足室内定位对于精度的要求。关键词：可见光通信；室内定位；Elman 神经网络；数据插值中图分类号：TN929.1文献标志码：A文章编号：1002-5561（2023）01-0058-05DOI：10.13921/j.cnki.issn1002-5561.2023.01.010开放科学（资源服务）标识码（OSID）：引用本文：陈俊波，赵黎，刘海涛，等.基于Elman神经网络的室内定位算法J.光通信技术，2023，47（1）：58-62.0引言随着社会的发展，人们对于位置精确定位的需求越来越高，如道路导航、空中侦查、盲人引导等。全球定位系统（GPS）在室外有很好的定位效果，因此被广泛应用。但在商场、医院、图书馆等场所，GPS会受到障碍物的影响而难以满足高精度要求。目前，相关文献提出了多种针对室内的定位系统，如蓝牙定位1、WiFi定位2、红外定位3等，但都受到电磁干扰、建设成本过高等因素的制约而无法完全满足实际定位需要。基于可见光通信的室内可见光定位（VLP）技术凭借其频谱资源丰富且不受电磁干扰等优势得到迅速发展。目前，实现VLP的基本方法有可见光指纹法4-6和基于接收信号强度（RSS）定位算法7-8。其中，可见光指纹法通过采集室内中不同位置的指纹（光强和角度等）来建立指纹数据库；基于RSS定位算法根据RSS与发光二极管（LED）、光电探测器（PD）的间距及与发射端的入射角、接收端的辐射角的数学关系来确定位置。由于基于RSS定位算法复杂度低、对环境要求也低，因此得到广泛应用。同时，随着神经网络的应用，很多学者将其应用于VLP系统，并建立RSS与对应坐标在神经网络中的非线性映射关系，以解决VLP中的非线性问题，从而实现较高精度的定位。秦岭等人9使用Elman神经网络进行定位，同时结合加权K近邻算法进一步修正结果。赵黎等人10使用神经网络定位的同时将定位方差与欧式距离相结合，构造定位误差约束模型，进一步提高定位精度。由于神经网络在实现室内定位时，在定位边缘只提供了一侧的数据进行映射训练，数据量较少，导致定位的边缘区域效果不理想，从而造成定位精度较低；同时，定位区域指纹库稀疏也将影响定位精度。而Elman神经网络具有时变特性与鲁棒性，将其应用于收稿日期：2022-10-27。基金项目：西安市科技计划