| 基于KPCA-K-means++和GA-LMS模型的改进RBF神经网络室内可见光定位 |
| |
| 引用本文： | 张慧颖,于海越,王凯,卢宇希,梁誉.基于KPCA-K-means++和GA-LMS模型的改进RBF神经网络室内可见光定位[J].光学学报,2021,41(19):64-73. |
| |
| 作者姓名： | 张慧颖 于海越 王凯 卢宇希 梁誉 |
| |
| 作者单位： | 吉林化工学院信息与控制工程学院,吉林吉林132022 |
| |
| 摘 要： | 针对室内可见光定位接收光功率不均匀、定位精度低等问题,提出一种自适应花授粉定量式灯源优化方案结合改进径向基函数(RBF)的神经网络接收信号强度指示(RSSI)可见光定位方法.所提方法采用自适应花授粉算法优化发射器的光照强度;通过基于改进RBF神经网络的RSSI定位方法处理接收到的均匀光信号,实现精确有效定位.利用核主成分分析K-means++(KPCA-K means++)聚类模型对RSSI样本值进行预处理,得到最优聚类数目和聚类中心,作为隐含层神经元个数和中心值.通过遗传算法-最小均方(GA-LMS)模型对RBF神经网络参数进行寻优.仿真结果表明,在9 m×12 m×3.5 m的室内环境中,接收光功率为 28.6 dBm～-25.1 dBm,定位误差小于0.1m.因此,所提改进后的可见光定位方法具有定位精度更高、实用性更强等优点.
|
| 关 键 词： | 光通信 可见光定位 自适应化授粉 接收信号强度指示 RBF神经网络 核主成分分析K-means++模型 遗传算法-最小均方模型 |
Indoor Visible Light Positioning of Improved RBF Neural Network Based on KPCA-K-means++ and GA-LMS Model |
| |
| Zhang Huiying,Yu Haiyue,Wang Kai,Lu Yuxi,Liang Yu.Indoor Visible Light Positioning of Improved RBF Neural Network Based on KPCA-K-means++ and GA-LMS Model[J].Acta Optica Sinica,2021,41(19):64-73. |
| |
| Authors: | Zhang Huiying Yu Haiyue Wang Kai Lu Yuxi Liang Yu |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
