基于Circle混沌映射的ISSA-ELM神经网络室内可见光定位方法

针对传统室内可见光定位精度较低、基于神经网络的室内可见光定位收敛速度慢且泛化能力弱等问题，提出一种结合基于Circle混沌映射的优化麻雀搜索算法-极限学习机（ISSA-ELM）神经网络和接收信号强度指示（RSSI）的室内可见光定位方法，在考虑天花板、墙壁和地板反射作用的情况下，将每个参考点处的RSSI和光电探测器的真实位置坐标作为训练集数据，对优化后的ISSA-ELM神经网络模型进行训练，建立室内可见光定位预测模型，并利用测试集对定位模型进行测试。仿真结果表明，优化后的ISSA-ELM神经网络的训练时间为0.0454 s，平均定位时间为3.5 ms，在5 m×5 m×3 m的室内环境，对位于0、0.5、1.0、1.5 m高度参考点的平均定位误差分别为1.01、1.14、1.36、3.87 cm，相比极限学习机（ELM）神经网络的定位精度分别提高了20.47%、19.72%、37.91%、42.32%。因此，所提的室内可见光定位方法具有定位速度快、定位精度高、系统性能稳定等优点。