基于自适应进化极端学习机的室内定位算法

作者：冉东梅; 蒋泰; 刘东杰

来源：计算机工程与设计, 2016, 37(03): 788-792.

DOI：10.16208/j.issn1000-7024.2016.03.044

• 室内定位
• 射频识别
• 接收信号强度值
• 自适应进化
• 极端学习机

为改进经典射频识别(RFID)室内定位算法LANDMARC与VIRE,提出一种SEVIRE算法。为定位区域的接收信号强度值(RSSI)空间关联建模并用自适应进化极端学习机(SaE-ELM)离线训练,将在线采集的信号输入训练好的SaE-ELM,计算虚拟标签的RSSI值。在线定位时,为每个独立的阅读器寻找合适的阈值,引入Q-function减小信号波动对定位的影响,进一步提高定位精度。实验结果表明,在使用2.4GHz频段阅读器的情况下,SEVIRE算法90%的定位误差在2m以内,平均定位误差约为1.72m,整体定位性能优于LANDMARC算法和VIRE算法。

• 单位
  桂林电子科技大学; 广西瀚特信息产业股份有限公司