基于自适应GRNN的无线室内定位算法

摘要

室内信号强度波动的随机性使广义回归神经网络(GRNN)难以选择最优参数建立定位模型并预测目标位置.为此,提出一种自适应广义回归神经网络的定位算法.利用改进的人工蜂群算法对广义回归神经网络进行参数优化,并将其应用于无线室内定位,建立无线信号特征与目标位置信息的映射关系,利用建立的映射关系预测目标位置,降低信号强度波动的随机性对定位精度的影响.实验结果表明,在12m×l2m的区域范围内,该算法的平均定位误差为0.65 m,与基于蜂群算法的GRNN以及基于粒子群算法的GRNN相比,该算法的定位准确率分别提高了21.3％和23.1％,且收敛速度较快.与路径损耗模型和BP神经网络相比,该算法的定位准确率分别提高了17.86％和3.1％,能够有效提高定位精度.