来源：期刊VIP网 时间：
作者：韦吉月;张峰;孟祥艳;赵黎;李帅;
单位：西安工业大学电子信息工程学院;
摘要：为了提高Elman室内可见光位置感知模型稳健性和定位精度，提出生物启发多特征融合学习的室内可见光位置感知方法。该方法首先对获取的可见光图像进行预处理，以确保特征提取的准确性；然后，通过将预训练的神经网络模型中不同层次的特征进行融合，构建一个位置感知特征库，从而提升特征表达能力和丰富度，以此来提高模型的位置感知精度；最后，采用蜣螂优化（DBO）算法优化Elman神经网络的拓扑结构和权重参数，以解决传统Elman神经网络在室内位置感知中容易陷入局部最优的问题，并加速收敛速度和增强泛化性能。实验结果表明：在4 m×3.5 m×3 m的立体空间内，所提算法平均定位误差为0.21 m，平均定位误差小于0.4 m的概率达到91.3%，相较于Elman算法，定位精度提高了22.3%。
关键词：室内可见光位置感知;;视觉成像;;蜣螂优化算法;;Elman神经网络
基金资助：国家自然科学基金项目（12004292）资助;; 陕西省科技厅一般项目-工业领域（12022GY-072）资助;; 西安市科技局高校院所科技人员服务企业项目（124GXFW0034）资助
