引用本文：
贺军义，郭奕辰，张敏，等. 基于改进GWO-DE融合算法的室内可见光定位方法[J]. 光通信技术，2026，50（4）：90-95.
贺军义，郭奕辰，张 敏*，刘子怡，刘 帅
（河南理工大学 计算机科学与技术学院，河南 焦作 454000）
【下载PDF全文】 【下载Word】摘要：针对传统接收信号强度指示（RSSI）定位算法精度不足及灰狼优化（GWO）算法易陷入局部最优的问题，提出一种基于改进灰狼-差分进化（GWO-DE）融合算法的室内可见光定位（VLP）方法。该方法采用非线性指数衰减收敛因子替代线性策略以加速收敛，引入自适应动态权重分配机制平衡全局探索与局部开发能力，结合DE算法的变异、交叉、选择操作增强种群多样性，并将改进GWO-DE融合算法与最小二乘法结合优化定位模型。仿真结果表明：所提方法平均定位误差为4.74 cm，最大定位误差约7.9 cm，67%的测试点定位误差不超过4.7 cm。
关键词：灰狼优化算法；差分进化算法；可见光定位；最小二乘法
中图分类号：TP391 文献标志码：A 文章编号：1002-5561（2026）04-0090-06
DOI:10.13921/j.cnki.issn1002-5561.2026.04.014
研究背景与动机：
物联网、大数据和智能服务的快速发展推动了位置服务在智慧城市与室内导航中的核心需求。
传统室内定位技术（如RFID、WiFi、蓝牙、UWB）存在易受电磁干扰或精度受限等问题。
可见光通信（VLC）利用LED照明基础设施兼具照明与通信功能，具有无电磁辐射、安全性高及定位精度高等优势，成为室内定位的新兴解决方案。
研究问题与挑战：
传统接收信号强度指示（RSSI）定位算法精度不足。
灰狼优化（GWO）算法易陷入局部最优，且线性递减的收敛因子导致迭代后期种群多样性降低，难以平衡收敛速度与全局寻优精度。
研究方法与贡献：
将改进GWO-DE融合算法与最小二乘法结合，优化定位模型。
将差分进化（DE）算法的变异、交叉、选择操作嵌入GWO框架，增强种群多样性。
提出随迭代进程动态调整的交叉因子策略，进一步平衡全局探索与局部开发。
引入非线性指数衰减收敛因子替代线性策略，以加速收敛并增强跳出局部最优的能力。
设计自适应动态权重分配机制，平衡全局探索与局部开发能力。
改进GWO算法：
融合DE算法：
优化定位模型：
实验设计与结果：
平均定位误差为4.74 cm，最大定位误差约7.9 cm。
67%的测试点定位误差不超过4.7 cm。
相比传统GWO算法，定位精度提升约28.1%。
仿真环境：在典型的室内VLC定位模型中，房间顶部均匀分布4个LED，将平面划分为36个测试点。
参数设置：种群数为100，迭代次数为100，LED发射功率为5W，信噪比为20dB。
实验结果：
结论与展望：
提出的基于改进GWO-DE融合算法的室内VLP方法有效提高了定位精度。
后续工作将在真实物理环境中开展进一步实验以验证算法实效。