一種基于神經網絡和接收信號強度的室內可見光定位方法，屬于可見光通信技術領域。取定位區域對角線上格點作為神經網絡訓練集，為多個白光LED分配不同調制頻率，利用訓練集位置每個LED的接收信號強度及光探測器實際坐標值對神經網絡進行訓練，學習算法采用動量BP算法和學習率可變的BP算法相結合的學習算法。將任意待測格點上每個LED的接收信號強度輸入訓練完成的神經網絡，得到光探測器位置坐標。本發明基于神經網絡采用特殊訓練集和優化學習算法，有效縮減大場景下采樣數據量，并提高網絡訓練速度和室內定位精度；定位系統不受多徑反射等外界因素影響；系統硬件基于傳統可見光定位系統，無需額外投入。

技術領域

本發明涉及一種基于神經網絡和接收信號強度的室內可見光定位方法，屬于可見光通信技術領域。

背景技術

基于可見光通信(Visible Light Communication,VLC)技術的室內定位方案具有三大優勢：1)利用半導體發光二極管(Light Emitting Diode,LED)發射定位信號，價格低、能效高、壽命長，且廣泛應用于室內照明，無需增加額外可見光光源；2)VLC系統不產生或受到射頻或電磁輻射干擾；3)基于VLC技術的室內定位系統與未來VLC通信技術相兼容，無需昂貴的硬件設備投入，成本較低。目前已有的基于接收信號強度(RSS)的室內定位方法主要存在以下問題：1)眾多外界因素，包括LED性能的差異、LED功率的波動、多徑反射、環境光干擾等，直接影響接收端探測到接收信號強度的大小，使得定位精度較低；2)為提高定位精度與其他定位方式相融合，投入其他傳感器，增加系統成本；3)已有技術采用隨機訓練集或采用均勻分布訓練集，導致定位精度不高且大場景下采樣數據量龐大；且現有技術均采用基礎學習算法，網絡訓練速度較慢，精度較低。

發明內容

本發明的目的是為解決現有基于接收信號強度的室內可見光定位系統由于器件固有缺陷、外界環境影響、神經網絡算法不夠優化致使定位精度較低，運算速度較低，大場景下采樣數據量龐大的問題，提出了一種基于神經網絡和接收信號強度的室內可見光定位方法。

本發明的核心思想為：采用定位區域對角線上格點作為神經網絡的訓練集，并采用動量BP算法和學習率可變的BP算法相結合的學習算法對神經網絡進行訓練：具體通過為多個白光LED分配不同調制頻率，在定位區域對角線格點處利用光探測器接收LED發送的信號，并對所述信號進行離散傅里葉變換(DFT)獲取每個LED的接收信號強度；再利用所述接收信號強度及光探測器位置坐標對神經網絡進行訓練；其中，學習算法采用動量BP算法和學習率可變的BP算法相結合；最后將任意待測格點上每個LED的接收信號強度輸入訓練完成的神經網絡，即可得到光探測器的位置坐標。

依托一種基于神經網絡和接收信號強度的室內可見光定位方法的室內可見光定位系統，簡稱定位系統，包括可見光發送模塊和接收端處理模塊兩大部分；

可見光發送模塊又包括發送端編碼器、LED驅動電路和LED陣列三部分；

其中，所述發送端編碼器可以是FPGA，也可以是單片機，用來產生LED陣列各白光LED發送的不同頻率的周期信號，LED陣列中采用N個LED；

其中，LED驅動電路為LED陣列各白光LED提供合適的直流偏置，并將發送端編碼器產生的交流信號加載到LED驅動電流上；

其中，LED陣列中的各LED發送不同頻率的周期信號；

接收端處理模塊又包括：光探測器、采樣設備和包含神經網絡的接收端處理器三部分；

其中，所述光探測器是光電二極管和雪崩光電二極管中的一種；所述采樣設備可以是示波器，也可以是數據采集卡；所述包含神經網絡的接收端處理器對采樣設備輸出的時域信號進行頻譜分析得到不同頻率白光LED的接收信號強度。

定位系統中各組成模塊的連接關系如下：