分区域BES-ELM融合WDME加权双模的室内可见光定位

针对室内定位精度低、边界区域定位误差大等问题,提出一种秃鹰搜索算法-极限学习机(bald eagle search-extreme learning machine,BES-ELM)神经网络融合加权双模边缘(weighted dualmode edge,WDME)定位模型的室内可见光定位方法。该方法提出采用单LED和5个光电探测器可见光系统结构,通过模糊C均值聚类算法实现房间区域划分;采用BES优化ELM神经网络,分区域建立BES-ELM定位模型;针对边界区域,构建WDME定位模型,实现边缘精准定位。基于3.2 m×3.2 m×3 m的室内环境进行仿真,结果表明:采用BES-ELM算法对中心区域进行定位,平均定位误差为0.0117 m,最小定位误差为0.0019 m;采用WDME定位模型对边缘区域定位,平均定位误差为0.0133 m,相较于ELM、Elman、BES-ELM模型定位精度分别提高84%、27%、26%。因此,所提可见光定位方法使整体区域定位误差减小,尤其是边缘区域定位精度得到改善。

基于RSSR融合RNGO-Elman神经网络的室内可见光定位

针对动态环境下基于接收信号强度的传统可见光定位方法定位精度低、稳定性差等问题,提出一种基于接收信号强度比的改进北方苍鹰算法(NGO)优化Elman神经网络(RNGOElman)的室内可见光定位系统。提出选择一个辅助参考点,将待测参考点与辅助参考点的接收信号强度比值和接收机的真实位置作为训练集数据,建立不受动态环境影响的指纹数据库。针对NGO算法收敛速度慢、容易陷入局部最优等问题,利用折射反向学习策略初始化种群,增加种群多样性,引入非线性权重因子来加快收敛速度,避免陷入局部最优。使用优化后的NGO算法来优化Elman神经网络的初始权值和阈值,构建RNGO-Elman动态定位预测模型。仿真结果表明,在4m×4m×3m的实验空间下,优化后的RNGO-Elman定位模型平均定位误差为1.34cm,定位精度相较于Elman定位算法、NGO-Elman定位算法分别提高了82%,21%。在LED发射功率波动时,基于RSSR的RNGO-Elman定位误差为1.29cm,1.38cm。所提可见光定位方法具有定位精度高、定位性能稳定等优点。

多LED可见光定位通信一体化稳健功率分配

为了实现可见光定位(VLP)与可见光通信(VLC)一体化信号传输,保证稳健通信和有效定位,该文提出一种基于频分复用(FDM)的可见光定位通信一体化(VLPC)信号传输方案,并设计了一种多LED VLPC稳健功率分配方案。首先提出了一种基于频分复用的VLPC传输方案,实现两种信号一体化传输,频谱资源独立分配,从而降低传输时延,提高定位实时性;然后基于定位结果进行可见光信道估计,揭示了信道估计误差、通信速率与实际定位误差之间耦合关系与统计特性;更进一步,基于所得到的耦合关系,研究了多LED VLPC联合功率分配问题,从而最小化定位误差克拉默-拉奥下界(CRLB),并满足功率约束和通信速率中断概率约束,并利用半正定松弛、最差情况条件风险值和连续凸近似等方法,将难以求解的非凸问题转化为一系列凸半正定规划问题进行迭代求解,并获得高质量可行解;最后,经过数值仿真验证,所提出的方案能够同时实现稳健通信和有效定位。稳健传输速率超过350 Mbit/s,并且当最小速率门限为200 Mbit/s,最大中断概率门限为0.01时,在直射路径加散射路径场景中,可以实现厘米级定位。

基于深度学习的非视距可见光定位系统

【目的】可见光定位(VLP)技术在提供低成本、高精度的室内位置服务方面极具潜力,受到越来越多的关注。然而,传统的VLP系统依赖于直接视距(LOS)路径,在有障碍物遮挡的情况下无法正常进行工作。【方法】针对这一问题,文章提出了一种基于深度学习的非视距(NLOS)VLP系统,该系统创新地利用一次反射光来进行VLP,克服了LOS路径被遮挡的挑战,提高了VLP系统的鲁棒性。考虑到反射光信号信噪比较低,通过传统的图像检测方法来提取发光二极管(LED)光斑的准确度较低并且环境适应性较差,导致NLOS VLP的定位精度下降。因此,文章所提系统通过深度学习模型U型网络(U-Net)来检测LED光斑,通过采集不同环境下的数据集进行训练,U-Net模型表现出了很高的准确度和环境适应性,从而改善了系统的性能。在此基础上,文章所提系统利用三点透视几何(P3P)算法来估计接收端的三维(3D)位置。【结果】文章搭建了1.84 m×1.84 m×1.96 m的立体空间模拟室内环境,用于室内定位实验,实验结果表明,在NLOS路径下,系统3D平均误差和均方根误差(RMSE)分别为16.09和17.18 cm,二维(2D)定位误差小于21 cm时有90%的置信度,3D定位误差小于24 cm时有90%的置信度。【结论】文章所提系统具有较高的精度和鲁棒性,能够满足室内大多数应用场景的定位需求。

基于Bi-LSTM神经网络的室内可见光定位方法

双向长短时记忆(Bi-LSTM)神经网络由于超参数众多,难以获得最优系统模型。同时,考虑到灰狼优化(GWO)算法可能过早收敛的情况,提出了一种采用GWO结合粒子群(GWO-PSO)算法优化Bi-LSTM神经网络的单灯定位方法。通过优化网络中的学习率、隐藏神经元个数等超参数,提高系统的稳定性和定位精度。最后,采用加权K邻近(WKNN)算法对误差较大的点进行优化,以获得更精确的定位位置。仿真结果表明,在3 m×3.6 m×3 m的室内环境中,所提定位方法的平均定位误差为3.57 cm,其中90%的定位误差在6 cm内。

可见光定位技术在矿井人员定位系统中的应用研究

矿井人员位置监测系统是国家要求装备的煤矿安全避险六大系统之一,在煤矿安全生产、事故应急救援和事故调查中发挥着重要作用。可见光定位技术因其安全性高、成本低、绿色节能等优势成为极具潜力的矿井定位技术之一。总结了矿井常用无线定位技术的特点,如基于射频标签识别、Wi-Fi、ZigBee、超宽带、5G的室内定位技术,提出采用可见光定位技术实现矿井人员定位的方法。总结了常用可见光定位算法,讨论了几种适合矿井巷道的可见光定位系统,定位平均误差均低于10 cm,成像定位系统对光强变化不敏感,受环境影响小,定位效果更稳定。

应用于核电厂的高精度可见光定位技术的研究

无线通信技术可以有效地促进核电站更高效、更便捷的建设和运营。然而,传统的无线通信技术存在一些潜在的风险,如射频电火花与电磁干扰,这会危及核电站的运行。近年来,被誉为“绿色照明”的LED照明技术快速发展,基于可见光通信(Visible Light Communication, VLC)技术的可见光定位(Visible Light Positioning, VLP)技术因其无电磁干扰且安全性高而引起广泛的关注。考虑到某些极端环境要求机器人配备精确的、抗辐射的室内定位系统来完成艰巨的工作,本文提出了一种新型的高精度VLP系统,以实现在辐射环境下的鲁棒的高精度室内定位,进而满足核电厂中工业智能化应用需求。另外,本文设计了具有VLC功能的智能LED灯具,并结合基于色散校准优化方法的高精度VLP算法,提供同时照明与高精度的室内定位。实验测试表明:所提出的VLP系统可以实现0.82 cm的平均定位精度,并确保90%的定位误差小于1.41 cm。通过在核电站的关键位置安装该智能LED灯具,可以创建室内定位与跟踪系统,进而加强核电厂内移动机器人的安全性。

基于交叉熵金鹰优化算法的室内可见光定位

为改善金鹰算法在求解室内可见光定位问题时的优化能力,基于重要度抽样技术和Kullback-Leibler距离的交叉熵(CE)方法,提出1种新的交叉熵金鹰优化(CEGEO)算法。将交叉熵方法融合到金鹰优化(GEO)算法中,通过协同演化获得的新种群更新抽样概率分布参数,加速算法的迭代进程,降低抽样样本数和计算成本,提高算法的全局优化能力;同时,采用共同更新得到更好的个体,大幅度增加种群的多样性,改善算法的收敛速度。采用CEGEO算法及其他4种算法对标准测试函数和室内可见光定位优化问题进行仿真实验,比较分析CEGEO算法的性能。结果表明:与其他4种算法相比,提出的CEGEO算法具有更高的求解精度和更快的收敛速度,能有效平衡全局和局部搜索能力,寻优能力更强;在室内可见光定位中定位精度小于2.74E-12cm,估计位置误差最小,平均误差接近2.07E-15cm,CEGEO算法是1种解决室内可见光定位优化问题的有效算法。

基于距离加权的室内可见光定位算法

针对室内可见光定位采用的三边定位算法普适性不高、定位区域较小的问题,提出了一种四LED加权定位算法。该算法结合室内照明LED布局实际情况,从可见光传输距离短定位精度高的特点出发,将传输距离信息作为加权因子引入定位算法中,提高了定位精度及扩大了定位区域。仿真实验结果表明:提出的定位算法在5 m?5m?3 m的空间区域中可以获得约为18 cm的平均定位误差性能,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。

基于自适应Levy飞行的黄金正弦可见光定位研究

为了提高室内可见光定位的精度,采用了基于Levy飞行变异机制、结合自适应移动因子、改进黄金正弦算法的接收信号强度指示可见光定位方法,将室内屋顶的发光二极管灯按3×3网格状排布,接收到光强信号通过朗伯模型得到未知节点与参考节点的距离,并采用Levy飞行变异机制提升算法搜索空间的多样性,结合自适应移动因子提高算法收敛速度,使得个体更新受局部极值约束力下降。结果表明,改进算法平均定位误差为1cm,平均迭代次数40次~80次;改进黄金正弦算法的定位速度和定位精度均得到提升。该研究对室内大型场所实时、快速精确定位有帮助。

基于注意力机制的室内可见光定位算法

由于室内环境错综复杂、诸多障碍遮挡等因素的影响,导致无法保障高稳定性的室内定位需求。针对该问题,提出了注意力机制与神经网络融合的室内可见光定位算法,实现在视距(LOS)链路场景下的高精度室内定位系统。建立室内可见光信道模型参数后,将携带位置信息的光强信息输入至神经网络中进行训练。在神经网络算法方面,进行反向传播算法、极限学习机算法与注意力机制算法结合,提高定位精度。实验结果表明,添加注意力机制的算法预测准确率与基础算法相比有明显提升。

基于奇异值分解的快速室内可见光定位算法

为了提高室内可见光定位的稳健性和效率,对定位系统的算法部分进行优化,将定位问题考虑为三维点位拟合问题,利用奇异值分解技术,推导出一个用于确定接收器位置和朝向的闭合表达式。另外,使用智能手机的图像传感器作为接收器,对平面部署的35个网格点进行了测试。与常用的LM迭代式定位算法相比,本文算法定位速度更快,大约快30倍;且避免了由于错误的初始猜测而造成定位失败的可能性,在实际环境中实现了厘米级的高精度定位。

稀疏训练指纹库融合MMPSO-ELM室内可见光定位

为了解决采用极限学习机(ELM)神经网络室内可见光定位方法存在误差较大、网络模型训练时间较长、结果稳定性较差等缺点,采用稀疏训练指纹库,融合多目标动量粒子群算法(MMPSO),结合ELM室内可见光定位方法,形成MMPSO-ELM方案,引入动量因子,避免迭代过程中过度振荡,加快系统收敛速度。在不同的定位空间内随机选取训练数据集方式,在测试点数量不同的情况下,将本方案与后向传播(BP)、ELM以及PSO-ELM 3种定位算法进行了比较。结果表明,MMPSO-ELM方案在20组训练数据条件下,对80组待定位点进行预测定位,定位误差最大为0.0225m,最小误差为0.00093m,平均定位误差低至0.00143m,且定位性能受定位空间大小影响较小;MMPSO-ELM可见光定位方案具有定位精度高、速度快、泛化性强等优点。该研究为在室内场所实现快速准确定位提供了理论支撑。

一种基于RSS的改进的可见光定位系统（英文）

提出了一种基于RSS(received signal strength)的改进的可见光定位算法,并且通过实验验证了该算法.为了消除相邻LED光信号的干扰,相邻灯采用时分的模式发送信号.首先,通过仿真和实验结果分析了基于朗伯模型的RSS定位算法,然后提出了一种改进的定位算法.通过实验结果和仿真结果证明,该定位算法在实用定位系统中的定位误差可达到厘米级别,并且该定位算法的鲁棒性更好、算法复杂度更低,更适合于实际工程应用.

可见光定位系统中扩展LED ID的双频率或运算调制方法

随着可见光通信的发展,室内可见光定位技术获得了广泛的关注。在以图像传感器为接收终端的见光定位系统中,针对单频率调制ID方案简单易实施,但受限于接收终端采集频率上限,可提供ID数量过少,难以满足实际较大面积场景的应用需要。提出了一种扩展ID方法,将两个不同频率的方波进行或运算,输出信号加载到驱动端作为LED ID标识。采用普通商用手机开展了实验研究,结果表明,与使用单一以频率作为LED ID相比,在本系统中可提供ID数量增加了6倍以上,可提供153种ID,且实验中识别ID准确率100%,在LED灯具被遮挡的面积达到1/3时,仍能正确识别出ID。

成像型可见光定位系统优化研究

现有室内成像型可见光定位系统多注重定位精度的提高,而忽略了系统的解码识别成功率和定位算法的适用性。表现在:(1)接收端捕获带有模糊效应的图像会导致解码识别率变低;(2)定位系统移动状态下采用单一算法定位,且双灯(dual-LED)算法的旋转角存在非确定性,导致定位精度大幅度变化,甚至定位系统失效。该文首先提出基于条纹宽度比的解码算法,消除人为设定硬阈值的缺陷;然后,提出基于旋转角优化的联合定位算法,利用方向传感器辅助确认旋转角并联合定位;此外,还设计了简易导航功能。实验结果表明,该算法使得解码识别率在1.5 m内可达99%,系统平均定位误差为3.998 cm。

基于自适应滤波器的高精度可见光定位方法

在室内可见光定位系统中,热噪声、散粒噪声的存在会大幅降低定位精度。为了提高定位精度,提出一种基于接收信号强度的可见光定位方法。首先采用自适应滤波方法大幅度滤除接收信号中的噪声,然后采用互相关检测法进一步滤除噪声,提取出原信号强度,最后通过最小二乘法估算出待测物体坐标。仿真结果表明:在4 m×4 m×3 m房间内,所设的1681个检测点的定位误差均在0.01 m以内,并且在不同信噪比的情况下,定位误差基本一致,即可见光定位方法对噪声有一定抑制能力。

基于辅助标记的单LED信标可见光定位系统

针对室内可见光定位(VLP)一般需要多个发光二极管(LED)信标的问题,提出一种基于单个LED信标和单个互补金属氧化物(CMOS)传感器的高鲁棒性三维VLP系统。使用额外标记且可调制的LED信标作为VLP系统的发射器,CMOS传感器作为接收器,采集到的图像被视为一个带有几何特征的椭圆。对采集到的图像进行特征提取与椭圆光斑解调以识别预定信息,结合单目测距和到达角(AOA)算法求解出待定位点的位置坐标。通过实验评估了VLP系统的性能,在1.8 m×1.8 m×2 m的区域内平均定位精度为9.7 cm,置信度为80%时可实现13.1 cm的定位误差。

自然环境光下的室内可见光定位系统

考虑室内存在自然环境光的实际定位场景,提出了一种环境误差偏移修正方法。通过对自然环境下接收信号强度的偏移量进行修正,使得估计的收发端距离更加接近真实值,并通过最小二乘算法获得定位目标的位置估计。同时,探究了不同发射功率下的定位性能,从而根据定位精度选择合适功率的LED。搭建了室内可见光定位系统,实验上探究了不同高度下环境误差偏移修正方法的定位性能。对比实验表明:提出的修正方法在1.2 m×1.2 m×0.6 m的空间区域中,获得了平均定位误差3.76 cm的定位精度,极大地减小了环境光造成的误差。

基于可见光定位技术的智能车导航系统设计

提出了一种基于室内可见光定位技术的智能车导航方案。在可见光定位方面,通过快速傅里叶变换(FFT)、最小二乘法、Tolay迭代算法可获得误差在12 cm以下的空间坐标;在智能车导航方面,采用A算法,并通过可见光定位获取当前空间坐标来修正智能车导航路线,使导航误差在15 cm以下,达到更精准的导航。