本發明公開了一種基于線性回歸模型的抗NLOS干擾可見光室內定位方法。傳統的基于RSSI的可見定定位因為無法考慮NLOS干擾的強度，其精度嚴重受NLOS干擾影響，本發明利用線性回歸模型，用PD接收到多個LED信號強度來對NLOS干擾強度進行估計，從而消除NLOS干擾帶來的影響，有效提高定位精度。

技術領域

本發明屬于室內定位技術領域，具體涉及一種抗NLOS干擾的可見光定位方法。

背景技術：

近年來，隨著LED在照明、通信和傳感技術等各個領域的廣泛應用，可見光通信具有同時用于照明和通信的優勢，被認為是極具發展潛力和應用前景的技術。在基于可見光通信(VLC)的各種應用中，可見光室內定位系統與現有的定位技術相比具有許多優點，成為研究的熱點。VLC定位技術有如下優點：首先，VLC技術使用LED作為光源，用于定位的同時又可提供照明，而且幾乎不需多余的功率消耗。其次，基于VLC的定位系統不需要占用射頻資源，從而不用考慮頻率干擾，可以部署在射頻輻射被嚴格限制的環境中(如醫院)。最后，因VLC系統受到多徑效應較少，并且方向性強，所以比無線電波能提供更高的定位精度。

在各種可見光室內定位方法中，幾何定位法成本最低，實現起來也最為簡單，但其定位精度易受NLOS干擾的影響，針對上述干擾問題，基于機器學習的VLC指紋定位法被大量采用，如“一種基于人工神經網絡的高精度室內可見光定位方法(申請號CN201610663244.7)”，這類方法直接利用多個接受信號強度來對位置進行估計，取得了較好的效果，但需要采集足夠多的數據進行訓練，安裝復雜，對定位環境變化異常敏感，且訓練效果會直接影響定位精度。

因此，本發明用一種多PD結構的抗NLOS干擾可見光方法，再提高定位精度的同時，降低系統的安裝復雜度。

發明內容：

本發明提出了一種適用于室內AGV的定位方法，其特征在于包含以下步驟：1)分別利用可見光通信定位和慣導定位獲得AGV的位置信息；2)對各組位置信息分別進行濾波處理，得到不同的位置估計值和方差；3)根據方差計算兩組位置估計的權重值，從而得到優化后的位置估計值及其方差。

本發明還提出了一種AGV協同定位優化方法，其特征在于包含以下步驟：1)相鄰AGV對該AGV的位置信息進行觀測，并對其進行濾波處理得到一組相對位置估計值和方差；2)將自身位置估計值及其方差分別加上相對位置估計值及其方差，得到相鄰AGV對該AGV的位置測量估計值及其方差，并將測量估計值及其方差傳輸給該AGV；3)利用慣導數據，對相鄰AGV傳送的位置信息進行延遲補償；4)利用各AGV的位置估計值方差計算權重，而后對該AGV的位置信息進行優化，從而實現多AGV協同定位。

優選的，對兩組定位信息的優化步驟包括：對定位數據進行濾波處理得到位置估計值及其方差P_s；權重計算公式：權重調整因子選取：α取值越大，越能抵制穩定性差的位置估計方法；位置及其方差優化算法：

優選的，對多AGV定位信息的優化步驟包括：對相對位置數據進行濾波處理得到相對位置估計值及其方差P_Di；計算對相鄰AGV位置測量估計值及其方差：P_i＝P_s+P_Di；延時補償方法：根據當時相鄰AGV觀測的與其自身的坐標偏差，結合慣導數據相鄰AGV的觀測值進行修正；多AGV協同定位的權重計算：α取1；多AGV協同定位的位置估算算法：

附圖說明：

圖1是本發明一種實施例所述的可見光定位方法流程示意圖；

圖2是本發明一種實施例所述的接收模塊多PD陣列結構示意圖；

圖3是本發明一種實施例所述的室內場景可見光定位的實例模型的示意圖。

具體實施方式

為使本發明的上述目的、特征和優點能夠更加明顯易懂，下面結合附圖和具體實施方式對本發明作進一步詳細的說明。