来源：期刊VIP网 时间：
作者：贾科军;牛振;于凯;张志聪;彭铎;曹明华;
单位：兰州理工大学计算机与通信学院;
摘要：【目的】针对极限学习机(ELM)神经网络在室内可见光定位(VLP)中收敛不稳定，易陷入局部最优状态，导致定位精度降低的问题，文章引入了麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值，提出了SSA-ELM神经网络算法。【方法】首先，采集定位区域内接收信号强度(RSS)与位置信息作为指纹数据；然后，训练SSA-ELM神经网络并得到预测模型，将测试集数据输入预测模型得到待测位置的定位结果；最后，设计了仿真实验和测试平台。【结果】仿真表明，在立体空间模型中0、0.3、0.6和0.9 m 4个接收高度，平均误差分别为1.73、1.86、2.18和3.47 cm,与反向传播(BP)、SSA-BP和ELM定位算法相比，SSA-ELM神经网络算法定位精度分别提高了83.55%、45.71%和26.26%,定位时间分别降低了36.48%、17.69%和6.61%。实验测试表明，文章所提SSA-ELM神经网络算法的平均定位误差为3.75 cm,比未优化的ELM神经网络定位精度提高了16.38%。【结论】SSA对ELM神经网络具有明显的优化作用，能够显著降低定位误差，减少定位时间。
关键词：可见光通信;;室内定位;;极限学习机神经网络;;麻雀搜索算法
基金资助：国家自然科学基金资助项目(61875080);; 甘肃省科技计划资助项目(22JR5RA276,22JR5RA274,23YFGA0062,2022A-215);; 兰州理工大学博士科研启动经费资助项目(061903)
