123,123

基于KDMSPCS-GRNN的室内定位技术研究

信息技术与网络安全

王超1，单志勇2

(1.东华大学信息科学与技术学院，上海201620；2.数字化纺织技术教育部工程中心，上海201620)

摘要： 针对利用广义神经网络(Generalized Regression Neural Network，GRNN)搭建的定位预测模型定位精度低、效率慢等问题，基于动态分群策略，提出一种线性递减粒子群(Linear Decreasing Contraction Particle Swarm Optimization，LDCPSO)和布谷鸟(Cuckoo Search，CS)混合寻优算法，并利用此算法为GRNN选择最优参数，构建定位预测模型。该算法主要利用K均值聚类算法(K-means)对整个种群进行周期性的分群，底层使用LDCPSO算法优化各个子群，并将最优粒子传至高层，高层使用CS算法优化各个子群的最优粒子，并将最终结果返回底层，执行下一次迭代。实验过程中，一方面将提出的算法应用于多个测试函数，结果表明该算法具有更好的收敛速度和收敛精度；另一方面利用该算法搭建定位模型，并与其他定位模型对比，结果显示该定位模型具有更好的定位效果。

關鍵詞： LDCPSO算法 CS算法 K-mean算法 GRNN算法测试函数

中圖分類號： TP301.6
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.04.004
引用格式：王超，單志勇. 基于KDMSPCS-GRNN的室內定位技術研究[J].信息技術與網(wǎng)絡安全，2021，40(4)：20-27，45.

Research on indoor positioning technology based on KDMSPCS-GRNN

Wang Chao1，Shan Zhiyong2

(1.School of Information Science and Technology，Donghua University，Shanghai 201620，China； 2.Digital Textile Technology Ministry of Education Engineering Center，Shanghai 201620，China)

Abstract： Aiming at the problems of low positioning accuracy and slow efficiency in the positioning prediction model built by the generalized neural network(GRNN)，based on the dynamic clustering strategy,this paper proposed a Linear Decreasing Contraction Particle Swarm Optimization(LDCPSO) and Cuckoo Search(CS) hybrid optimization algorithm,and used this algorithm to select the optimal parameters for GRNN to construct a positioning prediction model.The algorithm mainly uses the K-means clustering algorithm to periodically group the entire population.The bottom layer uses the LDCPSO algorithm to optimize each subgroup,and the optimal particles are transmitted to the high level.The high level uses the CS algorithm to optimize the optimal particles of each subgroup and returns the final result to the bottom layer to execute the next iteration.During the experiment,on the one hand，the proposed algorithm was applied to multiple test functions,and the results showed that the algorithm has better convergence speed and accuracy;on the other hand,the algorithm was used to build a positioning model and compared with other positioning models，the results showed the positioning model has a better positioning effect.

Key words : LDCPSO algorithm；CS algorithm；K-mean algorithm；GRNN algorithm；test function

0 引言

隨著第四代網(wǎng)絡通信技術的成熟和微電子行業(yè)的迅速發(fā)展，移動終端設備在人們日常生活中得到很大程度的普及，人們對基于用戶位置服務(Location Based Services，LBS)[1]的需求愈來愈廣泛。而室內定位技術作為LBS中必不可少的底層技術，它的好壞將直接影響服務的質量，因此室內定位領域受到技術人員廣泛關注，無線定位技術得到了極大的發(fā)展。目前已經(jīng)提出的定位技術有RFID、UWB、ZigBee[2]和WiFi[3]等。相比于其他幾種技術而言，WiFi在人們日常生活中的覆蓋率更高，且對硬件設備要求較低，故而更具實踐價值。目前WiFi定位技術已經(jīng)成為室內定位技術研究的主要熱點之一。

本文詳細內容請下載：http://ihrv.cn/resource/share/2000003473

作者信息：

王超1，單志勇2

(1.東華大學信息科學與技術學院，上海201620；2.數(shù)字化紡織技術教育部工程中心，上海201620)

原創(chuàng)聲明：此內容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權禁止轉載。

相關內容