[发明专利]一种基于改进鲸鱼算法的可见光室内定位系统及方法

权利要求书

1.一种基于改进鲸鱼算法的可见光室内定位系统及方法，其特征在于，包括：硬件方面可基本分为发送端和接收端；发送端是采用STM32单片机作为控制芯片构成的微控电路；首先单片机对LED的ID进行脉宽编码，然后经过时分复用发送给驱动电路放大，驱动LED发送光信号，避免多光源间干扰，接收端，探测器把接收到的光信号送给放大电路进行放大，然后送至单片机A/D端口进行解码与测压；基于RSSI及三点定位得到解码后的坐标和测压转化后的距离；通过改进的鲸鱼算法对多光源的布局实现室内定位技术；首先，以室内照度均匀度为目标函数，迭代优化得到LED布局；其次，根据优化后的布局，对室内光照度、接收功率、误码率进行仿真分析。

2.根据权利要求1所述的一种基于改进鲸鱼算法的可见光室内定位系统及方法，其特征在于，包括如下步骤：

S1：可见光收发模型构建；

S2：RSSI及三点定位接收处理；

S3：构建改进鲸鱼算法模型，改进控制参数递减策略调整搜索步长，采用的随机差分变异策略对群体进行变异扰动，产生较好的多样性个体，避免算法陷入局部最优，防止早熟现象的发生，提高算法收敛精度。

3.根据权利要求2所述的一种基于神经网络的室内定位系统，其特征在于，所述步骤S1具体包括以下步骤：

S1.1：发送端是采用STM32单片机作为控制芯片构成的微控电路；

S1.2：单片机对LED的ID进行脉宽编码，然后经过时分复用发送给驱动电路放大，驱动LED发送光信号；

S1.3：接收端，探测器把接收到的光信号送给放大电路进行放大，然后送至单片机A/D端口进行解码与测压。

4.根据权利要求2所述的一种基于神经网络的室内定位系统，其特征在于：所述步骤S2中通过RRSI及三点定位算法对接收信号进行处理，具体定义如下：

基于RSSI的三点定位算法，是已知三个点的坐标和未知点到这三个点的RSSI的信号值，求解未知点的坐标；首先是将RSSI信号转换为距离：

d＝10^((ABS(RSSI)-A)/(10*n) (1)

其中d为距离，单位是m；RSSI为rssi信号强度，为负数；A为距离探测设备1m时的rssi值得绝对值，最佳范围在45-49之间；n为环境衰减因子，需要测试矫正，最佳范围在3.25-4.5之间；

在获取未知点到三个点的距离后，剩下的就是求解未知点坐标；平面上有三个不共发送端的空间坐标为O1(a1，b1，c1)、O2(a2，b2，c2)和O3(a3，b3，c3)；接收端P到投影点的距离线的基站A，B，C，和一个未知终端D，并已测出三个基站到终端D的距离分别为R1，R2，R3，则以三个基站坐标为圆心，三基站到未知终端距离为半径可以画出三个相交的圆假设：给定3个分别为d1、d2、d3，则可根据空间坐标几何关系列出多组距离公式，从而得到接收端P(x，y，z)的估计坐标点。

(a1-x)^2+(b1-y)^2+(C1-z)^2＝R1^2 (2)

(a2-x)^2+(b2-y)^2+(C2-z)^2＝R2^2 (3)

(a3-x)^2+(b3-y)^2+(C3-z)^2＝R3^2 (4)。

5.根据权利要求2所述的一种基于改进鲸鱼算法的室内定位系统及方法，其特征在于：所述步骤S3改进鲸鱼算法模型构建，具体步骤如下：

S3.1：包围猎物：座头鲸识别猎物位置并将他们包围起来，由于搜索空间中的最优位置不是事先已知的，因此WOA算法假设当前最优个体位置为目标猎物，其他个体位置以不断靠近猎物的方式进行位置更新，表示如下：

X^→_t+1＝X^→_best-A×|C×X^→_best-X^→_t| (5)

A＝2ar-a (6)

C＝2r (7)

a＝2-2t/t_max (8)

式中，t为当前迭代次数，X^→_best为当前最优位置，X^→_t为其他鲸鱼个体位置，A和C为随机参数，a为控制参数，在整个迭代过程中线性地从2减小到0，r是[0，1]区间的随机数，t_max为最大迭代次数；

S3.2：螺线捕食：鲸鱼吐出气泡并以螺线运动轨迹向最优个体(猎物)游去，其位置更新如下式：

X^→_t+1＝D^→_best×e^bl×cos(2πl)+X^→_t (9)

D^→_best＝|X^→_best-X^→_t| (10)

式中，D^→_best表示当前个体与猎物之间的距离，b为决定螺线形状的常数，l为[-1，1]区间的随机数；

S3.3：搜寻猎物：从当前种群中随机地选取一个鲸鱼个体位置(X _rand)作导航来寻觅猎物，其位置更新如下式：

X^→_t+1＝X^→_rand-A×|C×X^→_rand-X^→_t| (11)

改进鲸鱼优化算法：改进控制参数递减策略调整搜索步长；在WOA中，A的取值决定算法全局搜索能力和局部开发能力之间的转换，即收敛因子a的取值变化决定算法寻优质量；但在迭代过程中a是线性递减的，不能适应实际的寻优过程，对a采用一种新的非线性指数递减方式：

a＝2-2*(1/(e-1)×(e^t/tmax-1)) (12)

随机差分变异策略：由式(5)和式(9)可知，在WOA算法中，种群中其他鲸鱼个体由当前最优个体X^→_best引导逐渐向最优区域靠近；如果X^→_best是局部最优解，随着迭代次数的增加，群体均聚集在最优解周围，导致群体多样性损失，算法出现早熟现象；采用随机差分变异策略，利用当前最优个体和随机个体进行随机差分对群体进行变异扰动；

X^→_t+1＝r×(X^→_best-X^→_t)+r×(X^→_rand-X^→_t) (13)

式中，r为分布在[0，1]之间的随机数；在WOA的每次迭代中，采用式(13)表示的随机差分变异策略对群体进行变异扰动，产生较好的多样性个体，避免算法陷入局部最优，防止早熟现象的发生，提高算法收敛精度。