[发明专利]一种基于人工智能算法的点分类室内可见光定位方法

说明书

本发明公开了一种基于人工智能算法的点分类室内可见光定位方法，属于可见光通信技术领域，具体是：首先，将定位区域均匀分为Nsubgt;H/subgt;个高度平面，每个平面取均匀分布的M个格点，共Nsubgt;H/subgt;×M组接收LED光源的功率，送入人工智能算法中分别用于训练高度分类模型、标签分类模型及接收功率映射模型，将待测点的接收功率数据输入训练好的三个模型中，得到相应的高度值及视距链路接收功率，计算出各待测点到不同光源的距离，最后利用三边定位法计算各自的定位坐标。本发明将传统可见光定位方法扩展为3维；同时，能够有效抑制多径效应对定位性能的影响，减小了定位盲区。

技术领域

本发明属于可见光通信技术领域，具体是一种基于人工智能算法的点分类室内可见光定位方法。

背景技术

近年来，随着便携式智能设备的普及与移动互联网的飞速发展，人们对于位置信息与位置服务的需求日渐迫切，基于位置的服务(LBS)在人类生产生活中扮演着越来越重要的角色。

以全球定位系统(GPS)、北斗卫星导航系统为代表的民用卫星定位服务精度已经能够达到米级，可以基本满足室外环境下的日常定位与位置服务的需求。但在室内环境下，卫星信号减弱，且误差较大，无法满足室内精准定位的需求。

目前室内定位技术有多种方案，包括基于无线局域网(WLAN)的定位技术、基于蓝牙的定位技术、基于射频识别(RFID)信号的定位技术、基于超宽带(UWB)的高精度定位技术、超声波定位技术以及惯性导航等。由于在传统无线通信领域中，可使用的频谱资源越来越紧张，可见光通信(VLC)技术开始兴起，其具有高范围带宽、低功率消耗、抗电磁千扰、高安全性且可提供大量免费的频谱资源等多种优势，因而基于可见光通信的定位技术有望在室内定位领域发挥重要作用。

常见的室内可见光定位方法包括：接收功率(RSSI)、到达角(AOA)、到达时间(TOA)和到达时间差(TDOA)等。其中，基于RSSI的室内可见光定位由于其原理简单、系统复杂度低且计算量相对不大，在实际情况中应用最为普遍。

现有的利用RSSI的室内可见光定位技术还存在以下问题：1)受多径效应影响较大，尤其是房间边缘与角落区域，导致定位性能下降；2)受可见光特性影响，当仅有RSSI时无法确知PD距LED光源的高度和距离，若投入其他传感器则增加系统复杂度和成本；3)受LED及PD的硬件限制，房间某些区域可能接收不到来自某些LED光源的接收功率，严重影响定位性能。

发明内容

为解决现有基于RSSI室内可见光定位方法中，由于受多径效应，导致对定位性能影响大，以及器件存在固有缺陷的问题，本发明了提出一种基于人工智能算法的点分类室内可见光定位方法。

所述点分类室内可见光定位方法，具体步骤如下：

步骤一，室内安装N个LED光源和若干作为待测点的接收机，每个接收机将LED发出的光信号转换为电信号，解码处理后得到各LED的坐标位置及各自的接收功率；

其中，室内空间的长宽高尺寸为L×W×H；N不小于3，LED光源呈均匀布置，且各LED光源之间间隔一定的距离；每个接收机均包括一个光电探测器PD和接收端处理器。

步骤二，将室内空间的高度进行N_H层次的划分，并在每层上分别设置M个格点，为各格点分别预设高度标签和标签分类；每个格点均能接收到N个LED功率，所有格点的总接收功率共N_H×M组，总接收功率为来自视距链路与反射链路的功率值之和；

首先，将室内空间的高度范围H∈[H_d,H_u]，按照距离d_H的间隔均匀划分为N_H份，形成高度平面集合得到对应的高度标签集为{1,2,...,N_H}；

然后，在每一高度平面的定位区域内，分别设置均匀分布的格点，格点的间距设为d，共生成M个格点；