[发明专利]一种基于PSO-PGSA的室内定位方法

摘要

本发明实施例公开了一种基于PSO‑PGSA的室内定位方法，包括：S1、初始化粒子群S2、初始化粒子群的开始速度和位移，根据目标函数计算出适应度，确定粒子群的历史最优值和全局最优值；S3、根据公式更新惯性因子，实现惯性权值因子的非线性减小，根据公式进行每个个体粒子的速度和位移的更新；S4、根据适应度函数计算出粒子群的历史最优值和全局最优值；S5、判断最优粒子是否达到条件，若达到则输出结果。实施本发明提高了室内定位的精确度；提高了定位结果的稳定性。

主权项

1.一种基于PSO‑PGSA的室内定位方法，其特征在于，将模拟植物生长算法的生长机制引入到粒子群算法中，所述模拟植物生长算法是一种源于大自然的仿生类随机算法，植物未分化的细胞中均含有形态素，所述形态素的浓度决定了细胞是否生长，当存在多个待生长的树枝节点时，形态素浓度最大的节点将获得最优生长的机会，当新的生长点产生后，形态素浓度将根据新系统所在环境的改变而重新进行分配；构建PSO‑PGSA算法，改进了粒子群算法的寻优能力，将PSO‑PGSA算法应用到室内定位中，提高室内定位的精确度和稳定性，步骤包括如下：S1、初始化粒子群，包括种群的大小Size，解空间维度D，惯性因子的最大值和最小值，最大速度和最大位移限制，以及最大迭代次数；S2、初始化粒子群的开始速度和位移，根据目标函数计算出适应度，确定粒子群的历史最优值和全局最优值；S3、根据公式更新惯性因子，实现惯性权值因子的非线性减小，根据公式进行每个个体粒子的速度和位移的更新；S4、根据适应度函数计算出粒子群的历史最优值和全局最优值；S5、判断最优粒子是否达到条件，若达到则输出结果，若没有达到则进行下一步的操作；S6、将模拟植物生长机制的概率生长机制引入到粒子群算法中，对非最优粒子进行概率生长，跳转到S4；其中：根据室内定位的特点，采用适应度函数如下：F＝NT*cov(NNT)‑1*N；其中，N＝B‑AX，(x_i,y_i)为参考节点的位置坐标，d_i为未知节点到参考节点的距离，(x,y)为未知节点的位置坐标，在基于测距的定位算法中M个信标节点可得M个距离方程。