基于多LED的高精度室内可见光定位方法

针对可见光室内定位问题,该文基于接收信号强度(RSS)定位技术,提出一种利用多个LED发射端实现室内定位的方法,即MLED-RSS定位算法。该方法在充分考虑LED拓扑结构对定位性能影响的基础上,利用部署在室内的多个LED,合理选择其中3个LED作为发射节点,采用改进的三边定位法获得定位目标位置信息。定位算法可以有效地解决可见光定位存在的遮挡效应。仿真实验表明,MLED-RSS算法可以实现高定位精度。     

多LED照明节点的室内可见光定位方法研究

针对室内复杂环境和室内照明节点拓扑结构对可见光定位精度的影响,基于近似完美三角点测试(APIT)算法设计了一种多LED照明节点的可见光室内定位方法。该方法利用信号传输时间作为节点间距大小的判断凭证,结合APIT定位算法,实现室内可见光定位。仿真结果表明:该定位方法的定位误差在0.24 m左右浮动,在保证了定位精度的基础上,精简了定位设备成本,并提升了定位算法的计算效率,使得定位系统在实际场景中的应用更具稳定性与适用性。     

高精度室内可见光定位算法

针对目前室内定位算法精度不高、实现复杂等问 题,提出了一种基于白光LED的可见光室内定位方 法。首先利用由室内不同LED发出的定位参考信号到达定位终端的时间差(TDOA )的测量估计,得 到定位终端到达两个LED的传输距离之差,以此构造距离估计目标函数,然后采用有约束非 线性规划算法得到 定位终端的位置坐标,从而有效地解决了室内噪声环境中常规TDOA定位算法不收敛或误差偏大的问题。 同时,为了进一步优化定位性能,将距离信息引入加权因子中,提出了质心加权混合定位算 法。将提出的 定位算法在5m×5m×3m的空间区域中进行了仿真实验,同时考虑噪声因素的影响,结果 表明,提出的距离 估计目标函数法在信噪比(SNR)为2dB的条件下可以达到平 均5cm的定位误差,采用质心加权处理后平均定位误 差仅为3cm,有效地提高了室内定位精度和系统应用的普适性及鲁棒性。     

基于深度学习的室内照明智能调节系统

为了实现室内照明的智能控制,根据室内人员实时位置进行跟踪式照明,通过人员覆盖区域完成自适应亮度调节,达到总体节能且局部照明舒适的目的。设计了基于光纤传感网络的智能照明系统,提出了基于深度学习的照明区块化设计与人员实时定位的照明调节算法。区块化设计将照明区域划分成多个等尺寸子区域,划分尺度由光源覆盖间距决定,实现对照明区域的离散处理。再通过状态采集模块对每个子区域进行照度量化分析,将检测结果作为卷积网络输入层的控制参数导入分析模型中。结合封闭体人员定位算法实现对照明子区域定位及照度调节。实验测试了100 m2照明范围内的四种典型情况,获得了各LED对测试位置的照度权值,并测试了不同高度对照度值的影响程度。区域内在x轴方向的人员定位精度最大误差为?96 cm,在y轴方向为91 cm,均小于预设照明区块的最小单元。文中算法在LED个数递增时,收敛时间略优于ANN算法,与对应LED体量的照明空间相比,收敛时间满足应用需求,验证了其具有大范围照明智能调节的能力。     

基于分数阶傅里叶变换的多辐射源被动直接定位算法

直接定位(DPD)算法能充分利用观测回波信息,在低信噪比条件下其定位精度一般要高于传统的两步定位算法。为解决多基站无源雷达系统中多个未知线性调频(LFM)信号辐射源的定位问题,该文提出一种基于DPD算法和分数傅里叶变换(FRFT)相结合的多目标定位算法。首先,根据建立的信号模型推导了理论上最优的高维最大似然估计器;其次,由于高维信号参数和目标位置联合估计的计算复杂度限制,利用基于FRFT和基本分类算法的降维策略将多目标定位问题转化为多个单目标定位问题;最后,目标的位置及相应信号参数可通过4维网格搜索得到有效估计。仿真结果表明,相比于已存在的忽略发射信号的DPD算法,该文提出算法定位性能更优。      

基于像素距离加权的室内成像定位研究

针对室内成像定位技术受随机噪声的影响较大、定位误差较高的问题,提出了一种基于像素距离加权的室内成像定位技术。在室内屋顶布设多个红外LED,依靠成像传感器获得红外LED信标的像点,将成像点到成像传感器中心的像素距离作为加权因子引入室内成像定位算法中,可以有效地提高室内定位精度。并进行了仿真实验,实验选择4m×4m×3m的空间区域模拟室内环境,当布设的红外LED信标数量为3时,应用改进后的算法可以获得10cm以内的定位误差性能,并且误差波动不超过5cm。另外,随着布设信标数量的增加,定位误差继续减小。改进后的定位算法有效地提高了室内定位的精度以及成像定位算法的普适性。     

TRM-FMM室内无线定位技术

在室内多径环境下信号视距传播易受障碍物影响,导致现有的一些室内定位技术对室内环境分布的估计较为困难。时间反转镜( TRM)室内无线定位技术可以有效地减少室内多径效应对信号的影响以及复杂环境造成的延时。但是,若没有信号传输信道的信息,常规TRM技术的定位精度就会大打折扣。针对该问题,给出了一种基于快速行进算法( FMM)的TRM室内无线定位方法。该方法首先利用FMM和同时代数重建算法( SART )迭代更新计算室内环境分布,然后使用估计结果进行TRM定位。仿真结果显示,对于小型规模的目标物体定位误差约为1.84 cm,在未知室内信道信息的仿真环境下,该方法比常规TRM技术的定位精度提高约32.90倍。     

基于朗伯模型参数估计的VLC室内定位优化算法

为实现高精度室内定位,本文设计了一种可见光 通信(VLC)室内定位系统,并通过 结合优化的朗伯模型、码分多址技术(CDMA)、三边定位算法而有效提升了定位精度和系统 扩展性。首先,每个发光二极管(LED)的ID信息经过直接序列调制后加载到LED驱动电路上 ,LED发出带有自身ID信息的灯光信号。在接收端通过光电探测器(PD)接收灯光信号,并 根据扩频码的正交性恢复出ID信息及接收信号强度(RSS),以此提高信道容量并增强系统 抗干扰能力。然后,根据朗伯光源模型,由三边定位算法得出待定位点的定位估计坐标。为 进一步提高精度,引入k最近邻(KNN)思想,采集适当的指纹点并由指纹点信息对每盏灯在 定位估计坐标处的朗伯光源模型参数进行估计,由优化后的朗伯模型计算出精度更高的定位 坐标。在1m×1m×1.35 m的空间区域中,进行本VLC室内定位系统 的实验测试。结果表明,提 出的高精度VLC室内定位系统的平均定位误差降低至2cm左右,其定位精度相比于传统三边 定 位算法提升了30%。此外,该系统方案所采用基于指纹点信息优化朗 伯模型参数的方法具备良好的实用扩展性,可实现广阔的应用场景。     

基于粒子群优化的多径辅助室内定位算法

由于室内多径信号丰富且包含了室内几何信息,可以利用室内多径信号对目标进行定位.基于此,本文提出了一种多径辅助的目标定位算法.首先,利用多径信号的差分飞行时间（Time of Flight,TOF）构建关于目标以及散射体位置的适应度函数;然后,提出了基于粒子群优化（Particle Swarm Optimization,PSO）的目标及散射体位置联合搜索算法,其中利用目标及散射体到达角（Angle of Arrival,AOA）确定搜索范围;其次,选取搜索到的散射体位置联合差分TOF求解目标位置;最后,利用仿射传播聚类（Affinity Propagation Clustering,APC）对所有散射体估计到的目标位置进行聚类,提出聚类准则消除大的定位误差点.仿真结果表明,本文所提算法利用单个基站可以达到较高定位精度.     

超宽带定位的AGV定位跟踪算法研究

为了对室内运行的AGV定位跟踪,本文提出一种基于超宽带定位的AGV定位跟踪算法。首先针对3基站TDOA定位方法存在基站附近及其遮挡区域定位错误概率高的问题,本文算法利用目标运动信息辅助降低定位错误概率;其次针对室内环境制约造成机动AGV的跟踪困难问题,本文算法首先对室内环境信息进行描述,采用目标预测位置到障碍物区域的张角作为辅助信息对多模型跟踪算法中模型集进行更新,最后进行状态估计。本文算法将运动先验信息引入到定位方法中,具有定位准确概率高的优点;将环境先验信息引入到跟踪算法,具有错误估计概率低的优点。通过仿真实验证明,本文算法具有较低的跟踪错误概率和较高的定位正确概率,能够有效实现3基站条件下室内运动AGV的定位和跟踪。      

基于RSS的室内可见光差分修正定位算法

可见光通信技术是利用白光LED同时实现照明和通信的新型通信技术,为室内定位技术提供了新的可能.针对可见光通信中接收信号强度RSS随机波动较大的问题,提出一种基于RSS的改进的差分修正定位算法,通过将各个参考节点分别作为差分修正参考节点进行定位修正,规避了设定参考节点权重过大的问题.该定位算法有效地提高了室内定位精度,无需增加额外硬件设备,计算量小,容易实现.仿真结果表明,该定位算法在5m×5m×3m的空间区域中能够实现约15 cm的平均定位误差性能.     

基于改进粒子群算法的室内可见光定位研究

为了提高现行室内可见光定位系统的定位精度，提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先，将决定定位精度的欧式距离转换为目标函数最小值优化问题；其次，利用惯性权重动态赋值，增强粒子群算法初期的全局搜索能力和后期的局部搜索能力；然后，利用正弦函数使得个体认知因素值非线性地减小，利用余弦函数使得群体认知因素值线性地增加，以进一步提升定位精度；最后，通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明，在5 m×5 m×3 m和5 m×4 m×3 m两种定位模型中，在0,0.5,1.0和1.5 m四个高度平面的空间定位平均误差分别为0.65和0.54 cm;实验结果显示，在搭建的1 m×1 m×0.8 m和1 m×0.8 m×0.8 m室内空间中的平均定位误差分别为2.67和1.81 cm。     

基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。     

可见光通信的自动导航系统设计

设计了一套利用可见光通信的自动导航系统。通过分析室内可见光信道模型,设计了可见光定位导航系统的发射模块和接收模块。系统在获取了停车位置信息后,通过光电二极管驱动电路将信息发出,光信号传感器模块接收可见光信号;信号经过解调、滤波后由显示屏显示,同时语音系统播报位置信息,利用贝叶斯相位中心偏置天线（Bayesian Information Criterions Displaced Phase Center Antenna,BDPCA）聚类算法计算出最佳导航路径,从而实现自动导航的目的。测试结果表明,该系统可满足目标的精准定位功能,在搭建的1m×1m×1m 验证实验中,系统的最大定位误差为 7.90 cm ,平均定位误差为 4.85 cm ,降低了26%,最佳导航路径距离更短,所需时间降低了20%,系统有较高的工作效率。     

一种基于SO-CNN模型的可见光室内定位优化方法

针对基于机器学习的可见光室内定位方法存在的手工调参、定位精度低等问题,结合蛇优化(Snake Optimization, SO)算法的寻优能力与卷积神经网络(Convolutional Neural Network, CNN)处理复杂非线性问题的能力,提出了一种基于SO-CNN模型的可见光室内定位优化方法。在考虑多径效应影响的情况下,采集每个位置点处的信噪比和对应位置坐标构建指纹数据库,对SO-CNN模型进行训练和测试,以得到最佳定位模型。实验结果表明,在5 m×5 m×3 m的房间中,与未经优化的CNN相比,该方法的平均定位误差降低了35.13%;与反向传播神经网络(Back Propagation Neural Network, BPNN)、多层感知器(Multilayer Perceptron, MLP)、SO-MLP相比,该方法的平均定位误差分别降低了54.75%,48.08%,37.01%。     

基于双BP神经网络的室内可见光定位算法

为提高室内可见光定位的精度,提出了一种基于双反向传播(BP)神经网络的单发光二极管(LED)灯室内定位算法。首先在定位区域内使用BP神经网络确定待测目标粗略的位置范围,然后以该位置范围为限制条件,再次使用BP神经网络实现更精确的定位。室内定位系统采用单个LED灯作为发射器,3个水平光电探测器作为接收器接收光功率,避免了使用多个LED灯在定位时引起的光源符号间干扰。仿真结果表明:在3 m×3 m×3.5 m的定位区域内,提出算法的平均定位精度可达0.0042 m,比传统的室内可见光定位算法高。