[发明专利]基于机器学习的室内可见光定位方法和设备

权利要求书

1.一种基于机器学习的室内可见光定位方法，其特征在于，包括：

获取训练集，所述训练集包括至少一组训练数据，一组所述训练数据包括一信道估计矩阵参数组和与该信道估计矩阵参数组对应的一个接收机的位置信息，其中，信道估计矩阵参数组包括定义单元区域的至少三个光源的信道估计矩阵参数；

计算待定位接收机接收对应的信道估计矩阵参数组，并将该信道估计矩阵参数组输入由所述训练集训练得到的机器学习模型；

输出待定位接收机的位置信息。

2.如权利要求1所述的基于机器学习的室内可见光定位方法，其特征在于，所述训练集中包括多个接收机在单元区域内的二维位置信息和与多个所述二维位置信息对应的信道估计矩阵参数组；

其中，在输出待定位接收机的位置信息时，输出待定位接收机的二维位置信息。

3.如权利要求1所述的基于机器学习的室内可见光定位方法，其特征在于，所述训练集中包括多个接收机在单元区域内的三维位置信息和与多个所述三维位置信息对应的信道估计矩阵参数组；

其中，在输出待定位接收机的位置信息时，输出待定位接收机的三维位置信息。

4.如权利要求1所述的基于机器学习的室内可见光定位方法，起特征在于，所述光源发出的光信号使用具有复正交性的编码方式编码。

5.如权利要求4所述的基于机器学习的室内可见光定位方法，起特征在于，所述编码方式为Alamouti编码。

6.如权利要求1所述的基于机器学习的室内可见光定位方法，起特征在于，所述计算待定位接收机接收对应的信道估计矩阵参数组，包括：

获取所述接收器接收的光信号；

将所述光信号恢复成原始信号，并分别得到四个光源的信道估计矩阵；

提取四个光源的信道估计矩阵的元素，并根据四个光源的信道估计矩阵的元素，确定四个光源的信道估计矩阵参数。

7.如权利要求6所述的基于机器学习的室内可见光定位方法，其特征在于，根据四个光源的信道估计矩阵的元素，确定四个光源的信道估计矩阵参数，包括：

将信道估计矩阵中元素的平均值、最大或最小值设置为信道估计矩阵的参数。

8.如权利要求1-7任意一项所述的基于机器学习的室内可见光定位方法，其特征在于，所述光源为白光LED。

9.一种基于机器学习的室内可见光定位设备，其特征在于，其包括：

获取单元，其用于获取至少一组训练数据，一组所述训练数据包括一信道估计矩阵参数组和与该信道估计矩阵参数组对应的一个接收机的位置信息，其中，信道估计矩阵参数组包括定义单元区域的至少三个光源的信道估计矩阵参数；

参数计算单元，其用于计算待定位接收机接收对应的信道估计矩阵参数组；

位置计算单元，其用于将待定位接收机对应的信道估计矩阵参数组输入经过所述训练数据训练的机器学习模型，并输出待定位接收机的位置信息。

10.如权利要求9所述的基于机器学习的室内可见光定位设备，其特征在于：

所述训练集中包括多个接收机在单元区域内的二维位置信息和与多个所述二维位置信息对应的信道估计矩阵参数组；

所述位置计算单元在输出待定位接收机的位置信息时，输出待定位接收机的二维位置信息；

或者；

所述训练集中包括多个接收机在单元区域内的三维位置信息和与多个所述三维位置信息对应的信道估计矩阵参数组；

所述位置计算单元在输出待定位接收机的位置信息时，输出待定位接收机的三维位置信息；

所述位置计算单元还用于：

获取所述接收器接收的光信号；

将所述光信号恢复成原始信号，并分别得到四个光源的信道估计矩阵；

提取四个光源的信道估计矩阵的元素，并根据四个光源的信道估计矩阵的元素，确定四个光源的信道估计矩阵参数；同时，所述光源为LED。