[发明专利]一种基于机器学习的室内可见光定位方法

说明书

本公开提出了一种基于机器学习的室内可见光定位方法，通过在所述室内可见光定位区域设置有多个训练点，且所述室内可见光定位区域包括N个LED灯和M个探测器，利用M个探测器对室内可见光定位区域的多个训练点处采集不同频率的N个LED灯信号，在训练数据采集过程中训练数据间隔是定位区域内测试数据间隔的3倍，在对训练数据进行傅里叶变换处理后，将处理后的训练数据的光强信息作为机器学习的输入，将其所对应的位置信息作为机器学习的输出来训练机器学习的神经网络模型，能够减少机器学习的训练数据量，且实现高精度的室内可见光定位。

技术领域

本发明属于室内定位领域，涉及一种基于人工神经网络的低训练复杂度、高精度室内可见光定位方法，特别涉及一种基于机器学习的室内可见光定位方法。

背景技术

随着基于位置服务应用的不断发展和人们不断增长的室内定位导航方面的需求，室内定位技术越来越受到人们的关注。室内定位技术主要有手机基站、RFID、Zigbee、蓝牙、红外、WiFi等技术，由于各自技术的局限性，限制了其大规模推广应用，并且上述技术必须单独部署一套单独的定位网络，成本较高。

基于传统的全球定位系统的定位导航技术无法在室内应用，因此，针对室内场景下的定位技术的研究势在必行。进入21世纪后，随着固态照明产业的发展，发光二极管(LED)作为荧光灯和白炽灯的替代光源逐渐得到普及。相比于传统照明灯具，LED以绿色、节能、环保、工作寿命长、发光效率高等优势快速占据照明市场。与上述定位方法相比，室内可见光定位技术的主要优点是可以直接利用室内已有的照明设备作为定位信号的发射端，因此无需单独安装发射源，降低了成本和额外功耗。此外，以可见光为载波的定位系统电磁兼容性良好，不含电磁辐射，可以在医院，飞机机舱等对电磁辐射敏感的场所使用。且与传统定位系统中所采用的射频信号相比，光的波长远远小于光电探测器光敏面尺寸，因此不易受到多径效应的影响。

近年来，基于LED的室内可见光通信和定位技术不断发展，出现了多种可见光定位相关的论文和专利，基于机器学习算法在室内可见光定位中的应用屡见不鲜，例如专利“一种基于机器学习的高精度室内定位方法”(申请号CN201810509459.2)和专利“基于光照阴影和机器学习的可见光定位系统和方法”(申请号CN201710295201.2)。然而，机器学习算法在训练时往往需要大量训练数据，因此在训练数据的采集过程中会耗费大量的人力和时间成本，尤其是在大型定位场景中，大量采集训练数据的做法并不具有可实施性。

因此，急需一种减少机器学习训练时所需训练数据量并且实现高精度的室内可见光定位方法。

发明内容

有鉴于此，本申请实施例提供了一种基于机器学习的室内可见光定位方法，能够减少机器学习的训练数据量，且实现高精度的室内可见光定位。

根据本公开的一方面，本申请实施例提供了一种基于机器学习的室内可见光定位方法，在所述室内可见光定位区域设置有多个训练点，且所述室内可见光定位区域包括N个LED灯和M个探测器，N和M均为正整数，所述方法包括：

S1：对N个LED灯分别进行驱动、调制得到N个互异频率的周期光源信号；

S2：针对每个测试点利用M个探测器对所述N个互异频率的所述光源信号进行探测，得到该测试点的测试数据，所述测试数据的距离间隔为t；

S3：对所述测试数据以距离间隔为3t进行采集得到训练数据，标记所述训练点的位置信息；

S4：对所述训练数据和测试数据进行傅里叶变换处理，得到所述训练数据和测试数据对应N个LED的接收光强度信息；

S5：重复步骤S3-S4，对所有训练数据和测试数据进行处理，得到所有训练数据和测试数据对应N个LED的接收信号强度信息，在此过程中需要记录训练数据在定位区域内的对应位置信息；