一种基于GWO-BP神经网络的RSSI测距算法

作     者：林贻若 余科根 朱飞洋 布金伟 LIN Yiruo;YU Kegen;ZHU Feiyang;BU Jinwei

作者机构：中国矿业大学环境与测绘学院江苏徐州221116 昆明理工大学国土资源工程学院云南昆明650093 

出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期：2024年第53卷第8期

页      面：1564-1573页

核心收录：

学科分类：08[工学] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术] 

基　　金：中国矿业大学研究生创新计划(2024WLKXJ174) 中央高校基本科研业务费专项(2024-10980) 江苏省研究生科研与实践创新计划项目(KYCX24_2825) 国家自然科学基金(42174022) 

主　　题：路径损耗模型 优化算法 BP神经网络 RSSI测距 室内定位 

摘      要：近些年来,基于接收信号强度指示(RSSI)测距的研究受到了广泛的关注,特别是在物联网和室内定位领域。精准的距离估计是基于测距方法实现高精度定位的基础,但由于存在测量噪声和多路径效应的影响,RSSI信号具有很强的波动性,从而导致RSSI与空间真实物理距离之间的映射关系具有不均匀的特点。为了增强RSSI与真实物理距离之间的映射关系,提高RSSI测距的精度,本文基于反向传播(BP)神经网络和灰狼优化(GWO)算法,提出了一种基于GWO-BP神经网络的RSSI测距算法。GWO算法相比于粒子群优化算法(PSO)、遗传算法(GA)、差分演化(DE)、进化编程(EP)、进化策略(ES)具有更快收敛速度和更强稳定性的特点。此外,本文通过开发的手机软件采集实测数据,通过在两个不同的环境内进行试验。结果表明,基于路径损耗模型(PLM)测距的均方根误差(RMSE)分别为2.218、2.059 m,传统BP神经网络测距算法的RMSE分别为1.541、1.551 m,基于GA算法优化BP神经网络测距算法的RMSE分别为1.269、1.201 m,本文提出的GWO-BP神经网络测距算法的RMSE分别为1.054、0.833 m;结果表明本文算法测距精度更高,稳健性更好。