多层ELM分区域可见光室内定位算法

摘要

在漫反射光信道中,可见光室内定位受一阶反射、噪声信号等的影响,边界区域的定位误差相比内部区域较大,针对此问题,提出一种基于多层极限学习机的分区域定位算法,并通过仿真实验验证了算法的有效性.首先,对整体的实验区域建立第1层极限学习机神经网络,计算出整体的定位误差.其次,根据定位误差的大小和分布特征建立第2层极限学习机神经网络,将整体实验区域划分为边界区域和内部区域.对提取出的边界区域建立第3层极限学习机神经网络,计算出边界区域的定位误差.最后将边界区域的定位误差更新到整体的定位误差中,以实现定位.实验结果表明,该算法的整体平均定位误差为2.79 cm.与接收信号强度算法和反向传播神经网络相比,该算法的平均定位误差分别降低了13倍和55.36%.与单层极限学习机算法相比,边界区域的平均定位误差降低了65.66%,整体的平均定位误差降低了23.77%.该算法边界区域的定位误差明显降低,具有更高的定位精度和鲁棒性能,可适用于不同的定位场景.