[發明專利]一種基于粒子群優化極限學習機的可見光定位方法

在審

• 申請號: 201811173117.4
• 申請日: 2018-10-09
• 公開（公告）號: CN109615056A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 徐巖;王昕昕
• 申請（專利權）人: 天津大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/04;G06N3/08;G01C21/20
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發明公開了一種基于粒子群優化極限學習機的可見光定位方法，所述方法包括：將新求得的每個粒子的個體適應度值與個體極值Pbest與群體極值Gbest比較，若新的個體適應度值更優，則更新個體極值和群體極值；當迭代次數達到最大值或適應度值達到預設的最小值時，輸出最優的粒子；將最優粒子的位置作為極限學習機的輸入權值和隱藏層閾值的參數；將訓練樣本集輸入到極限學習機神經網絡中，進行神經網絡訓練，將測試樣本集輸入到已經訓練好的極限學習機神經網絡中，計算出整體的平均定位誤差。本方法用粒子群算法優化極限學習機，使之產生既具有極限學習機的學習速度快，泛化能力強等優點，又解決了極限學習機隨機產生輸入權值和隱藏層閾值的缺點，使網絡結構更加簡單。

技術領域

本發明涉及可見光定位領域，尤其涉及一種基于粒子群優化極限學習機的可見光定位方法。

背景技術

隨著室內導航的應用及發展，人們對室內定位的要求不斷提高，定位技術也得到了發展。適用于室外定位的GPS技術不能滿足室內定位的需求，其它定位技術如超寬帶、紅外、WIFI等由于設備復雜，價格昂貴，定位精度不高等原因，沒有得到廣泛應用。可見光通信可用于數據通信，因此將可見光通信應用于室內定位技術為定位提供了新方式。

根據接收端的不同，可見光定位分為基于光電探測器和基于圖像傳感器兩種。當接收端為光電探測器時，常見的定位算法有接收信號強度(RSS)、到達角度法(AOA)、到達時間法(TOA)、到達時間差法(TDOA)。RSS主要利用接收端的信號強度來建立關于距離的三元二次方程，利用最小二乘法來求解三個三元兩次方程組以表示接收端的位置。AOA利用發送端和接收端的角度進行定位，用三角定位確定接收端位置坐標，但只適用于視距傳播。TOA利用發送端和接收端到達時間來表示發送端和接收端的距離，但由于室內距離較近，要求發送端和接收端嚴格同步。TDOA利用的是接收端接收到各個可見光信號之間的到達時間差，但要求發送端之間嚴格同步。當接收端是圖像傳感器時，利用LED在圖像傳感器上的成像和圖像測量原理進行定位，算法較為復雜。可與加速度計或多個圖像傳感器實現共同定位，但增加了成本。綜上，基于光電探測器和接收信號強度的定位設備簡單，定位精度也較高。

極限學習機(Extreme Learning Machine，ELM)是一種單隱藏層前饋神經網絡(Single-hidden Layer Feedforward Neural Network，SLFN)，隨機產生輸入層和隱藏層間的連接權值矩陣和隱藏層的閾值矩陣，只需要設置隱藏層神經元個數和隱藏層神經元間的激活函數，通過計算出隱藏層的輸出矩陣及其廣義逆矩陣，求出隱藏層和輸出層間的連接權值矩陣，即可求出輸出可用于回歸和分類，可將其應用于可見光定位。

但由于極限學習機隨機產生輸入權值和隱藏層閾值，每次訓練的定位結果會有所不同，而且在訓練過程中會產生一系列不是最優的參數。粒子群算法是一種群體智能算法，每個粒子代表尋優問題的一個潛在解，由速度，位置和適應度值表示其特征。基于對粒子自身的認知和粒子間的信息共享，實現粒子在群體間的尋優。

發明內容

本發明提供了一種基于粒子群優化極限學習機的可見光定位方法，本發明利用粒子群優化極限學習機的輸入權值和隱藏層閾值，從適應度函數中得到最佳的適應度值，此時對應的粒子即為最好的輸入權值和閾值，即極限學習機由隨機產生輸入權值和隱藏層閾值變為產生最優的輸入權值和閾值，將其代入極限學習機中進行可見光室內定位，以得到最好的定位效果，詳見下文描述：

一種基于粒子群優化極限學習機的可見光定位方法，所述方法包括以下步驟：

1)將新求得的每個粒子的個體適應度值與個體極值Pbest與群體極值Gbest比較，若新的個體適應度值更優，則更新個體極值和群體極值；當迭代次數達到最大值或適應度值達到預設的最小值時，輸出最優的粒子；

2)將最優粒子的位置作為極限學習機的輸入權值和隱藏層閾值的參數；