基于SCSSA-RF的室内可见光定位算法

作     者：陈耀 张烈平 高小淋 张翠 

作者机构：桂林理工大学广西高校先进制造与自动化技术重点实验室 桂林航天工业学院广西特种工程装备与控制重点实验室 南宁理工学院信息工程学院 

出 版 物：《光通信技术》 (Optical Communication Technology)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0803[工学-光学工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(批准号:61741303)资助 广西空间信息与测绘重点实验室基金项目(批准号:21-238-21-16)资助 梧州市2022年中央引导地方科技发展资金项目(批准号:202201001)资助 

主　　题：可见光定位 正弦人口映射 柯西分布 麻雀搜索算法 随机森林 

摘      要：针对随机森林算法（Random Forest，RF）用于室内可见光定位时定位精度低，存在过拟合风险的问题，现有研究在尝试提高定位精度和模型泛化能力的过程中，仍然面临算法易陷入局部最优、定位稳定性较差等挑战。为此，本文提出了一种基于正弦人口映射（Sine Population Mapping，SPM）与柯西分布（Cauchy Distribution，CD）的改进麻雀搜索算法（Sparrow Search Algorithm，SSA）优化RF的室内可见光定位算法（命名为SCSSA-RF）。首先，使用采集到的接收信号强度值与位置坐标建立指纹数据库，将指纹数据划分为训练集和测试集。然后，使用SCSSA的全局搜索能力对RF的关键参数进行优化，将数据输入最佳模型中进行训练，再将决策树的预测结果取平均值，得到待定位点的预测值。最后，将提出的SCSSA-RF定位算法与SSA-RF、RF、极限学习机（Extreme Learning Machine，ELM）、ELM-遗传算法（Genetic Algorithm，GA）定位算法进行对比。结果表明，SCSSA比未改进的SSA收敛速度更快。SCSSA-RF定位算法的平均定位误差为0.08m，比未改进的SSA-RF定位精度提高了27.3%，相较于其他三种算法也提升了16.15%-69.98%。