针对室内可见光定位接收光功率不均匀、定位精度低等问题,提出一种自适应花授粉定量式灯源优化方案结合改进径向基函数(RBF)的神经网络接收信号强度指示(RSSI)可见光定位方法。所提方法采用自适应花授粉算法优化发射器的光照强度;通过基于改进RBF神经网络的RSSI定位方法处理接收到的均匀光信号,实现精确有效定位。利用核主成分分析K-means++(KPCA-K-means++)聚类模型对RSSI样本值进行预处理,得到最优聚类数目和聚类中心,作为隐含层神经元个数和中心值。通过遗传算法-最小均方(GA-LMS)模型对RBF神经网络参数进行寻优。仿真结果表明,在9 m×12 m×3.5 m的室内环境中,接收光功率为-28.6 dBm~-25.1 dBm,定位误差小于0.1 m。因此,所提改进后的可见光定位方法具有定位精度更高、实用性更强等优点。

节点定位技术是无线传感器网络应用的关键。针对传统质心定位算法定位精度低的问题，提出了一种基于接收信号强度指示的三维质心迭代定位算法。算法根据测距技术简化未知节点的定位参考节点，通过节点间的空间几何关系得到距离偏移系数，利用系数的最优解对质心坐标进行修正，并多次迭代更新系数以更新定位结果，直到达到迭代准则为止。仿真实验结果表明，相比于传统的质心定位算法，本文算法可提高定位精度20%~28%，能有效减少无线传感器网络三维定位的定位误差。

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100m×100m×100m大型室内场所的一层100m×100m×10m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。

通过移动无人机(UAV)收集无线传感网络数据的方案已受到广泛关注，将感测的数据与产生此数据的传感节点位置关联起来是十分必要的。为此提出了基于无人机的强健节点定位算法(UAV-NL)。UAV-NL算法将UAV位置作为未知信息。传感节点接收由UAV在随机位置传输的beacon包，并记录接收信号强度指示(RSSI)矢量；通过理论推导2个RSSI矢量的范数距离与这2节点距离的线性关系；最后，通过RSSI值测距，并利用半定规划(SDP)算法估计节点位置。仿真结果表明，提出的UAV-NL算法即使在噪声信道条件下仍具有高的定位精确度。

针对无线传感网络 (WSNs)的节点定位问题, 提出无人机辅助的基于前馈神经网络的节点定位(UAV-NN)算法。UAV-NN算法利用无人机 (UAV)作为锚节点, 并由 UAV周期地发射beacon信号, 利用极端学习机 (LEM)训练单隐藏前向反馈的神经网络 (SLFN), 未知节点接收来自 UAV发射的beacon信号, 并记录其接收信号强度指示 (RSSI), 已训练的 SLFN再依据RSSI值估计节点位置。仿真结果表明, 相比于传统的基于 RSSI定位算法, 提出的 UAV-NN算法无需部署地面锚节点;相比其他传统的机器学习算法, UAV-NN算法通过引用 ELM, 减少了定位误差。

基于可见光通信的指纹定位,提出一种低复杂度、稀疏度自适应的压缩感知算法。首先,利用位置指纹的稀疏性,将定位问题转换为稀疏矩阵的重构问题。其次,根据重构的残差值,自适应地计算近邻值。最后,详细分析指纹采样间距、信噪比、调制带宽及发射功率对定位误差的影响,详细分析所提定位算法的时间复杂度、最优近邻值的分布、发光二极管个数及最大近邻指纹数对定位误差的影响。仿真结果表明,所提定位算法的平均计算时间低、定位误差小,当信噪比为10 dB,指纹点之间的间距为40 cm时,所提定位算法的平均定位误差为1.56 cm,显著低于现有的同类算法。

基于接收信号强度指示 (RSSI)的移动目标定位和跟踪常采用三边或角度测量定位技术。尽管该技术简单，易实施，但由于 RSSI值与距离间的非线性关系，它们容易导致较大的定位误差。通用回归神经网络 (GRNN) 能够快速训练稀疏数据集。提出基于 GRNN的移动目标跟踪 (GMTT)算法，该算法依据 GRNN处理 RSSI与目标位置间的非线性关系，利用卡尔曼滤波 (KF)修正目标位置。仿真实验结果表明，相比于 RSSI+KF，GMTT算法可以有 效地降低目标定位的根均方误差。