引用本文：
陈耀，张烈平，高小淋，等. 基于SCSSA-RF算法的室内可见光定位算法[J]. 光通信技术，2025，49（1）：1-5.
陈 耀1，张烈平2，高小淋2，张 翠3*
（1.桂林理工大学 广西高校先进制造与自动化技术重点实验室，广西 桂林 541006； 2.桂林航天工业学院 广西特种工程装备与控制重点实验室，广西 桂林 541004；3.南宁理工学院 信息工程学院，广西 桂林 541006）
【下载PDF全文】 【下载Word】摘要：针对随机森林（RF）算法用于室内可见光定位时定位精度低，存在过拟合风险的问题，提出了一种基于正弦人口映射（SPM）与柯西分布的麻雀搜索算法（SSA）优化RF算法的室内可见光定位算法（简称SCSSA-RF算法）。首先，该算法使用采集到的接收信号强度值与位置坐标建立指纹数据库。然后，使用SCSSA的全局搜索能力对RF算法的关键参数进行优化，将数据输入最佳模型中进行训练。最后，将决策树的预测结果取平均值，得到待定位点的预测值。实验结果表明：SCSSA-RF算法比未改进的SSA-RF算法收敛速度更快；SCSSA-RF算法的平均定位误差为0.08 m，且误差主要集中在0.05~0.1 m内；在定位误差为0.2 m时，SCSSA-RF算法的预测准确率达到了93%。
关键词：可见光定位；正弦人口映射；柯西分布；麻雀搜索算法；随机森林
中图分类号：TN929 文献标志码：A 文章编号：1002-5561（2025）01-0001-05
DOI:10.13921/j.cnki.issn1002-5561.2025.01.001
全文阅读精要
这篇文章是关于“基于SCSSA-RF的室内可见光定位算法”的研究报告，主要介绍了针对现有室内可见光定位系统中存在的问题，提出了一种改进的麻雀搜索算法（SCSSA）来优化随机森林（RF）算法，以提高室内可见光定位的精度和稳定性。以下是该研究报告的核心内容总结：
研究背景与动机：
可见光定位（VLP）优势：利用LED发射的可见光进行定位，具有高精度、低干扰、低成本等优势，适合高精度要求的室内场景。
现有问题：基于随机森林（RF）的VLP方法存在定位精度低和过拟合风险的问题，参数设置敏感且需要细致调整。
提出的改进算法：
SCSSA-RF算法：结合正弦人口映射（SPM）和柯西分布（CD）的麻雀搜索算法（SSA）来优化RF算法，称为SCSSA-RF。
算法优势：通过引入SPM确保种群初始化均匀性，防止陷入局部最优；通过CD引入大范围扰动，增强局部搜索能力，提高搜索效率和收敛速度。
实验设置与方法：
实验环境：设定在3 m × 4 m × 3 m的工作间内，使用4个LED灯和光电传感器（PD）进行信号接收。
指纹库构建：通过采集不同位置的接收信号强度值（RSSI）与位置坐标建立指纹数据库，并划分为训练集和测试集。
参数优化：使用SCSSA对RF算法的关键参数（如决策树数量和最大深度）进行优化，训练最佳模型并进行预测。
实验结果与分析：
SCSSA与SSA对比：SCSSA比SSA收敛速度更快，定位精度更高，误差分布更集中。
与其他算法对比：SCSSA-RF的平均定位误差为0.08 m，显著优于SSA-RF（0.11 m）、RF算法（0.12 m）、ELM算法（0.21 m）和GA-ELM算法（0.10 m）。
预测准确率：在定位误差为0.2 m时，SCSSA-RF的预测准确率达到了93%，高于其他对比算法。
算法流程图：
流程图详细展示了SCSSA-RF算法从初始化、评估适应度、选择“发现者”与“加入者”、扰动“加入者”、跳跃式位置更新到检查收敛条件及训练与预测的整个过程。
研究贡献与未来工作：
研究贡献：提出了一种新的SCSSA-RF算法，有效提高了室内可见光定位系统的精度和稳定性。
未来工作：考虑多路径效应等复杂室内环境因素对定位性能的影响，并开发相应的优化算法以进一步提高系统的实际应用价值。