为了解决采用极限学习机(ELM)神经网络室内可见光定位方法存在误差较大、网络模型训练时间较长、结果稳定性较差等缺点, 采用稀疏训练指纹库, 融合多目标动量粒子群算法(MMPSO), 结合ELM室内可见光定位方法, 形成MMPSO-ELM方案, 引入动量因子, 避免迭代过程中过度振荡, 加快系统收敛速度。在不同的定位空间内随机选取训练数据集方式, 在测试点数量不同的情况下, 将本方案与后向传播(BP)、ELM以及PSO-ELM 3种定位算法进行了比较。结果表明,MMPSO-ELM方案在20组训练数据条件下, 对80组待定位点进行预测定位, 定位误差最大为0.0225m, 最小误差为0.00093m, 平均定位误差低至0.00143m, 且定位性能受定位空间大小影响较小; MMPSO-ELM可见光定位方案具有定位精度高、速度快、泛化性强等优点。该研究为在室内场所实现快速准确定位提供了理论支撑。

为了解决室内可见光定位中成像型定位能耗高、非成像型定位设备复杂的问题, 提出一种基于手机环境光传感器的室内可见光定位方法。首先, 利用频率折叠效应和光源标签识别算法, 求解光源发送的信号原始频率。然后通过提前建立好的光源频率-坐标数据库获取光源位置, 即得到设备位置。实验结果表明: 该方法可在低功耗、低计算量的前提下, 实现光源覆盖小区内部的光源识别与设备定位, 定位精度取决于光源密度。

为提高室内定位精度,提出一种基于混合到达时间/接收信号强度(TOA/RSS)信息的定位方法。针对室内可见光定位中存在的多径效应造成的定位非线性误差,引入前置无迹卡尔曼滤波的粒子滤波算法,将TOA信息与RSS信息相融合,达到修正非线性误差的目的。然后综合考虑接收端惯性传感参数,对接收端进行运动分析,提升估算坐标的精度。在长宽均为5m、高度为3m的室内进行定位仿真,在12W发光二极管(LED)发射功率下,所提方法获得了平均定位误差为2.02cm的定位精度。仿真结果证明,所提定位方法的定位性能总体优于指纹定位方法和三边定位的RSS定位方法,具有较强的鲁棒性和较低的定位延迟。

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100m×100m×100m大型室内场所的一层100m×100m×10m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。

针对可见光定位的信源在空间传输中抗干扰能力差、易失真,且接收信号的信噪比(SNR)会随传输距离的增加而显著降低等问题,设计了一款线性调频(LFM)信号同步检测的时域匹配滤波器。该匹配滤波器的特点是结合了过采样与互相关正交算法,将它应用在LFM信号的可见光定位中,可以有效地提高信号传输的距离。基于现场可编程门阵列器件完成了LFM时域匹配滤波器的逻辑设计与集成。在长距离可见光通信的同步检测实验中,在6 m通信距离内,该匹配滤波器同步检测的正确率超过99%,这为将来采用LFM信号进行可见光定位的应用奠定了基础。

针对室内复杂环境和室内照明节点拓扑结构对可见光定位精度的影响, 基于近似完美三角点测试(APIT)算法设计了一种多LED照明节点的可见光室内定位方法。该方法利用信号传输时间作为节点间距大小的判断凭证, 结合APIT定位算法, 实现室内可见光定位。仿真结果表明: 该定位方法的定位误差在0.24 m左右浮动, 在保证了定位精度的基础上, 精简了定位设备成本, 并提升了定位算法的计算效率, 使得定位系统在实际场景中的应用更具稳定性与适用性。