一种基于PRGO优化多模型融合测距的震后压埋人员手机定位方法OA

针对震后复杂场景下压埋人员定位精度低、稳定性差的问题,提出一种多模型融合测距的震后接收信号强度指示(RSSI)定位方法,利用被困人员手机信号实现压埋人员间接定位。首先采用加权混合滤波算法完成RSSI数据去噪预处理,有效削弱震后复杂环境的噪声干扰。通过植物根茎生长优化(PRGO)算法对支持向量回归(SVR)、径向基函数(RBF)神经网络超参数进行寻优,构建融合多项式-SVR、RBF-SVR与RBF神经网络的集成测距模型,结合信息熵与准确度加权融合策略,改善模型测距精度与泛化能力。同时搭建最小面积加权质心(MAWC)定位算法,动态选取最优定位多边形,通过加权质心迭代优化逼近目标真实坐标。实验结果表明,改进滤波后信号曲线平滑度显著提升;集成测距模型较三种单一模型的测距精度分别提升41.67%、29.54%、23.64%;相较传统质心定位算法,该算法定位误差降低达0.31 m,最终定位误差仅为0.42 m,具备优异的定位性能,可为震后压埋人员应急搜救提供可靠技术支撑。