论文部分内容阅读
随着基于位置服务需求的增长,室内定位成为国内外学者研究的重点领域.研究发现采用多传感器信息融合方法可以提高定位准确度,目前人们普遍认为利用多传感器的互补特性,结合各融合算法提升导航系统的整体精度是室内定位领域未来的发展趋势.本文提出一种基于双层粒子群极限学习机(PSO-ELM)神经网络的融合视觉和惯性信息的室内定位算法.第1层粒子群极限学习机(PSO-ELM)引入图像模糊判断来解决采集图像模糊时视觉定位算法误差大的问题,并计算出全局最优仿射变换矩阵作为粒子群极限学习机(PSO-ELM)的输入.同时,