光纤光学与光通信

本文将Kmeans聚类算法和传统的K近邻算法（K nearest neighborhood，KNN）相结合，提出了适用于能量自持续室内可见光定位（visible light positioning，VLP）系统的融合算法。该算法兼顾低复杂度和高精度，在使用Kmeans聚类算法对专门设计的指纹库进行划分实现粗定位的基础上，使用KNN定位算法进行精准定位。本文进一步将提出的Kmeans-KNN融合算法引入搭建的能量自持续VLP系统，分析了不同条件下系统的定位性能。结果表明，与传统KNN定位算法相比，采用Kmeans-KNN融合算法后系统的平均定位误差位为0.141m，定位精度明显提高，同时其计算量减少了94.9%，系统耗能因此大幅降低，利于VLP系统高精度能量自持续定位的实现。

原程林, 路慧敏, 黄嘉成, 王建萍. 基于聚类的能量自持续可见光定位算法研究[J]. 光学学报, 2021, 41(10): 1.  复制并引用该论文