[发明专利]一种基于双阶段神经网络的可见光定位方法和系统

说明书

本发明公开了一种基于双阶段神经网络的可见光定位方法和系统，属于可见光定位领域。方法包括，在设定的信噪比环境下训练第一神经网络，得到初步定位模型；将不同信噪比环境下采集的可见光功率数据，输入训练好的初步定位模型，得到带偏差的坐标数据；将带偏差的坐标数据与设定信噪比环境下对应的坐标数据相减，得到坐标误差数据；在不同信噪比环境下利用坐标误差数据对第二神经网络进行训练，得到坐标补偿模型；将待定位的可见光功率数据分别输入初步定位模型和坐标补偿模型，将得到的结果相加得到定位结果。本发明方法可使定位误差降低到1cm以内，既维持了神经网络定位的精确性，又无需了解定位环境，提高了可见光定位的适应性和鲁棒性。

技术领域

本发明属于可见光定位领域，更具体地，涉及一种基于双阶段神经网络的可见光定位方法和系统。

背景技术

高精度的室内定位目前已经在某些领域起到不可或缺的作用，如增强/ 虚拟现实，远程医疗监控，工厂自动化，物联网与毫米波通信。可见光定位由于其稳定的链路，对电磁波干扰免疫以及较低的成本受到了普遍关注。因为较低的成本，可见光定位最常用方法是基于接受信号强度(RSS)的三角定位法，能够在不依赖环境参数实现低成本的高精度定位是该方法的一个重要方向。但该方法一般使用朗伯光照模型，需要预先知道部分环境参数，比如LED灯的灯珠与结构，同时，由于实际环境的复杂性，该方法的精度较差；且由于该方法的定位精度依赖于在不同位置接受的信号强度，当环境的信噪比发生变化时，定位精度会受到很大影响。

为了解决模型的不准确性，通常方法是使用更复杂的模型，如将噪声与信道的非线性纳入模型中，但是这仍未解决实际模型的复杂性以及预先对环境参数的了解；为了解决环境信噪比发生变化导致定位精度受影响的问题，有人提出了一种基于接收端信号强度比例的方法，但是该方法使用的局限性较大，必须要求发射端的3个LED灯同时变化，即要求环境对3 个信道同时产生影响，因此不能处理发射端信道独立变化的情况。

为了解决模型本身的问题，神经网络被应用到该领域里，该方法的原理仍基于接受信号强度的三角定位，因此所需结构没有发生变化，它本身基于从环境中在不同位置采集一定数量的接收端功率数据，训练出该环境下接收端功率与对应坐标关系的神经网络。当训练结束后，只需输入接收端的功率数据，即可得到对应的位置，从而实现定位。相比于上述基于模型的方法，该方法不需要了解环境参数，且精度较高，可达到1cm以内。但该方法当环境信噪比发生变化时，定位精度会受到较大影响。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于双阶段神经网络的可见光定位方法和系统，其目的在于解决单个神经网络在可见光定位中，由于环境信噪比发生变化，而存在的定位结果偏差的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于双阶段神经网络的可见光定位方法，包括：

S1.在设定的信噪比环境下采集的可见光功率数据作为输入，将预先采集的坐标数据作为期望输出对第一神经网络进行训练，得到初步定位模型；所述初步定位模型用于根据不同信噪比环境下的可见光功率数据，输出带偏差的坐标数据；

S2.将不同信噪比环境下采集的可见光功率数据，输入训练好的初步定位模型，得到带偏差的坐标数据；

S3.将所述带偏差的坐标数据与设定信噪比环境下对应的坐标数据相减，得到坐标误差数据；

S4.将不同信噪比环境下采集的可见光功率数据作为输入，将不同信噪比环境对应的坐标误差数据作为期望输出对第二神经网络进行训练，得到坐标补偿模型；所述坐标补偿模型，用于根据不同信噪比环境下的可见光功率数据，得到对应的坐标误差值；

S5.将待定位的可见光功率数据分别输入训练好的初步定位模型和坐标补偿模型，得到带偏差的坐标数据N'_out和坐标误差值ΔN_out，两者相加得到修正后的可见光位置坐标。