通过改善NLOS/LOS信号分类的蛇搜索算法来提高UWB室内定位精度
Fang Wang1, Lingqiao Shui2, Hai Tang2
1School of Science, Civil Aviation Flight University of China, Guanghan 618307, China.
Sensors (Basel, Switzerland)
|August 10, 2024
概括
这项研究通过改善信号分类来提高超宽带 (UWB) 室内定位精度. 一种新的优化方法完善了反向传播神经网络,大大提高了区分视线 (LOS) 和非视线 (NLOS) 信号的性能.
科学领域:
- 机器人和自动化机器人与自动化
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 非视线 (NLOS) 错误是超宽带 (UWB) 室内定位系统的主要限制.
- 准确区分视线 (LOS) 和NLOS信号对于提高UWB准确性至关重要.
研究的目的:
- 开发一种先进的方法来优化模型参数,以提高UWB室内定位精度.
- 通过使用精细的优化算法来改进LOS和NLOS信号的分类.
主要方法:
- 引入了一种新的优化技术",LTSSO-BP"模型,通过增强蛇搜索算法 (SSA).
- 将一个混乱的地图用于人口初始化和一个基于减去平均值的优化器与动态探索概率纳入SSA.
- 优化了用于信号分类的反向传播 (BP) 神经网络的初始权重和值.
主要成果:
- 与标准BP,PSO-BP和SO-BP模型相比,LTSSO-BP模型显示出更高的稳定性和准确性.
- 实现了高性能指标:90%的分类准确率,91.41%的回忆率和90.25%的F1得分.
- 有效地区分LOS和NLOS信号,这是UWB定位的关键因素.
结论:
- 拟议的LTSSO-BP模型通过提高信号分类精度,在UWB室内定位方面取得了重大进展.
- 参数优化,而不是网络结构修改,是提高UWB定位性能的有效策略.
- 精细的SSA提供了一种强大的方法来优化信号分类任务中的神经网络参数.
