1、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 algorit
2、hm,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 experimentalresult
3、sshowthattheaveragepositioningerroroftheproposedalgorithmis4.6cmin0.8m 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
4、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/ki.issn1002-5561.2023.01.010开放科学（资源服务）标识码（OSID）：引用本文：陈
5、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，
6、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
安全达人 