[发明专利]一种基于神经网络的可见光室内立体定位方法

说明书

本发明公开一种基于神经网络的可见光室内立体定位方法，该方法包括九个步骤，其结合多次反射信道模型与神经网络的高精度可见光室内三维定位技术；该方法针对传统的基于强度的可见光室内定位算法定位精度不稳定，结合了指纹数据分析，并采用BP神经网络训练数据，进行拟合室内信道环境，解决了多径效应和背景噪声的干扰问题。结合理论分析和仿真实验，在本方法提出的基于神经网络的可见光室内定位系统中，定位的精度和定位的可靠性良好，为室内定位提出了一种很好的解决方案。

技术领域

本发明属于可见光室内定位技术领域，具体涉及一种基于神经网络的可见光室内立体定位方法，该方法结合了多次反射信道模型与神经网络的高精度可见光室内三维定位技术。

背景技术

随着物联网产业的飞速发展，室内定位的需求日益增加。可见光室内定位是一种新型室内定位技术，它将照明与通信相结合，相比传统的室内无线定位手段，具有成本低廉、无电磁干扰、定位精度高等优势，近年来已经成为无线通信领域一个新的研究热点，并被讨论作为第五代移动通信系统的室内接入方式之一。

传统可见光定位系统主要包括基于高精度光电传感器的室内定位和基于图像传感器的成像室内定位方法。虽然采用图像传感器进行定位可以获得较高的定位精度，然而由于其图像处理技术较为复杂，成本较高，导致其应用场景受限。在采用光电探测器定位时，由于存在背景噪声和室内反射噪声的干扰，导致系统定位精度不稳定。

人工神经网络具有非线性映射能力、自学习和自适应能力与泛化能力，通过人工神经网络可对室内可见光信道参数进行学习，结合神经网络训练模型及误差约束模型，可有效提高可见光系统室内定位精度。

发明内容

本发明提供一种基于神经网络的可见光室内立体定位方法，解决现有技术中基于高精度光电传感器和基于图像传感器成像的室内定位技术的缺点与不足。

为了达到高精度的定位需求，本发明的技术方案为：

一种基于神经网络的可见光室内立体定位方法，包括如下步骤：

步骤1、确定室内空间参数，搭建可见光室内立体定位系统模型，以室内空间底面中心点作为坐标原点建立三维坐标系；

步骤2、建立包含直射视距链路LOS与一阶反射链路的信道数学模型；

步骤3、确定步骤1所述室内空间的LED光源布局模型；

步骤4、结合步骤2所述LED信道漫反射模型，在步骤1所述室内空间的接收平面进行网格标定，采集各个网格中心点处不同LED的光照强度，将采集到的数据分类处理后，创建训练数据集和测试数据集；

步骤5、确定基于BP神经网络的可见光定位算法模型；

步骤6、利用步骤5所述定位算法，对步骤4采集到的训练数据集和测试数据集进行数据训练与预测，实现待测目标位置粗定位；

步骤7、利用定位误差约束模型，求解定位方程式，确定待测目标的预测位置坐标；

步骤8、在步骤1-7条件下，在步骤1所述空间范围内，对不同高度平面进行仿真定位测试；

步骤9、在步骤1-7条件下，搭建测试平台，进行实际定位测量。

本发明的有益效果：

(1)针对传统的基于强度的可见光室内定位算法定位精度不稳定，结合了指纹数据分析，并采用BP神经网络训练数据，进行拟合室内信道环境，解决了多径效应和背景噪声的干扰问题。

(2)结合理论分析和仿真实验，在本文提出的基于神经网络的可见光室内定位系统中，定位的精度和定位的可靠性良好，为室内定位提出了一种很好的解决方案。

附图说明

图1是本发明所述可见光室内定位系统空间三维坐标系示意图；