龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中煤能源研究院有限责任公司;西安电子科技大学
申请日：2024-03-20
公开（公告）日：2024-06-21
公开（公告）号：CN118228783A
主分类号：G06N3/0499
分类号：G06N3/0499;G01S5/16;G06N3/006;G06N3/048;G06N3/08;G06F18/2135;G06F17/11;G06F17/16
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种基于改进极限学习机的可见光定位方法，主要解决现有可见光定位方法无法满足高精度实时定位需求的问题。其实现方案是：从接收端PD获取RSS数据并作预处理；构建极限学习机网络ELM；对ELM网络输入层权重和隐藏层偏差进行更新；将更新后的参数代入ELM网络进行训练，得到隐藏层输出矩阵H；根据H计算极限学习机网络的输出权重，得到完备的ELM网络；将对应输出向量未知的输入向量降维后输入到完备的ELM网络，其对应的输出向量即为接收端PD的估计坐标。本发明能在提升位置估计性能的同时缩短位置估计的时间，提升位置估计性能，保证定位的鲁棒性与易维护性，可应用于物联网人机交互、车联网通信、智能感知与机器人导航。
主权项：1.一种基于改进极限学习机的可见光定位方法，其特征在于，包括如下步骤：1从接收端获取若干组接收信号强度RSS数据，测量每组RSS数据的接收端光电二极管PD的准确坐标值，RSS数据和其相对应的PD准确坐标值作为定位所需的训练数据，其中每一组RSS数据作为输入向量，其相对应的PD准确坐标值作为输出向量；2使用核主成分分析算法KPCA对输入向量进行降维处理；3设定各层神经元个数，构建包括输入层、隐藏层和输出层的极限学习机ELM网络结构，设置其激活函数hx；4通过粒子群算法PSO对ELM网络输入层权重和隐藏层偏差进行更新；5将更新后的输入层权重和隐藏层偏差代入至极限学习机ELM网络，使用训练数据中的输入向量和其相对应输出向量对极限学习机ELM网络进行训练，得到隐藏层输出矩阵H；6根据隐藏层输出矩阵H，计算极限学习机ELM网络的输出权重，得到完备的ELM网络；7将对应输出向量未知的输入向量降维后输入完备的ELM网络，其对应的输出向量即为接收端PD的估计坐标。
全文数据：
权利要求：
百度查询： 中煤能源研究院有限责任公司;西安电子科技大学 基于改进极限学习机的可见光定位方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号