基于改进SSA和CNN-BiLSTM-Attention的UWB测距误差缓解算法

来源：电子测量技术杂志2025年第10期北京时间：

作者：张翠，刘津铭，郑新鹏，张烈平

单位：1.南宁理工学院信息工程学院 桂林 541006;2.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 桂林 541006;3.桂林航天工业学院广西特种工程装备与控制重点实验室 桂林 541004

摘要：针对超宽带在实际环境下存在的测距误差问题，提出了基于改进麻雀搜索算法和卷积双向长短期注意力模型的超宽带测距误差缓解算法。采用Tent映射，利用自适应调整方法，结合北方苍鹰算法，并在跟随阶段采用螺旋飞行策略对SSA算法改进，提高算法的全局搜索性能，避免陷入局部最优的情况，将改进后的算法命名为TANSSSA。利用BiLSTM模型和注意力机制改进CNN-LSTM模型，构建CNN-BiLSTM-Attention模型，提高模型对长序列数据的处理能力，使得模型对数据有更精确的权重分配。使用TANSSSA优化CNN-BiLSTM-Attention模型的超参数，构建TANSSSA-CNN-BiLSTM-Attention模型。在模型性能验证实验中，对比SSA-CNN-BiLSTM-Attention、CNN-BiLSTM-Attention、CNN-BiLSTM、CNN-LSTM-Attention、CNN-LSTM、GRU以及TCN模型，平均绝对误差降低了12.05%~62.31%。在实际环境中，TANSSSA-CNN-BiLSTM-Attention对比其他7种模型，平均绝对误差降低了45.70%~83.82%，测距误差得到有效地缓解。

关键词：超宽带;麻雀搜索算法;卷积神经网络;双向长短期记忆网络;注意力机制

基金资助：国家自然科学基金（61741303）、广西空间信息与测绘重点实验室基金（21-238-21-16）项目资助