因双向长短时记忆（Bi-LSTM）神经网络超参数多，很难得到最优系统模型，同时考虑灰狼优化算法容易过早收敛的问题，提出一种采用灰狼结合粒子群（GWO-PSO）算法优化Bi-LSTM神经网络的单灯定位方法，通过对网络中的学习率、隐藏神经元个数等超参数进行寻优，提高系统的稳定性及定位精度，然后采用加权K邻近（WKNN）算法对误差较大的点进行优化，得到精确的位置。仿真表明，本文的定位系统在3 m×3.6 m×3 m的室内环境中的平均定位误差为3.57 cm，90%的定位误差在6 cm内。
科研之友
微信
新浪微博
Facebook
分享链接
