基于SA优化BP神经网络的室内外无缝定位算法

作者：刘宇; 王伟伟; 邸克; 路永乐

来源：计算机仿真, 2022, 39(12): 485-489.

• 模拟退火算法
• 室内外无缝定位
• 神经网络

应用于室内外环境下的行人导航存在定位数据不连续以及长时间定位精度低的问题，模拟退火(Simulated Annealing, SA)优化BP神经网络具有较高的预测精度和强大的非线性函数关系拟合能力等优点，特别适合于室内外无缝定位。提出一种基于全球定位系统(Global Positioning System, GPS)/行人航迹推算(Pedestrian Dead Reckoning, PDR)的室内外无缝定位解决算法。算法使用BP神经网络算法处理GPS定位数据和PDR定位数据，并使用SA算法优化BP神经网络，从而避免了传统BP神经网络收敛速度慢和容易陷入局部最优解的问题。仿真与结果表明，SA优化后的BP神经网络其平均绝对误差比BP神经网络的降低了大约69%,定位精度比PDR定位的精度提高了约55.11%。

• 单位
  重庆邮电大学