改进黑翅鸢算法优化神经网络的室内定位

摘要

针对传统无线信号的路径损耗模型(path loss model, PLM)在预测距离值时易受多径效应影响，导致在复杂室内环境中定位精度下降的问题，提出一种基于改进黑翅鸢算法(improved black-winged kite algorithm, IBKA)优化反向传播(back propagation, BP)神经网络的室内定位算法。分别引入Tent混沌映射、透镜成像反向学习策略和黄金正弦策略优化黑翅鸢算法，通过基准测试函数测试证实了IBKA拥有更好的性能，通过IBKA优化神经网络算法的初始权值和阈值建立IBKA-BP神经网络测距模型。在实验室内采集RSSI信号样本数据进行分析，结果表明所提IBKA-BP优化算法均方根误差为21.42 cm,小于PLM、GWO-BP、BKA-BP和ISSA-BP的63.25、47.04、33.77、28.78 cm,且收敛速度更快，在复杂室内环境下定位性能更好。

关键词

改进黑翅鸢算法 / BP神经网络 / RSSI测距算法 / 路径损耗模型

基金资助

国家自然科学基金项目(62363018); 企业委托技术开发项目(HZ2024K0114A)