基于免疫算法的高精度室内可见光三维定位系统 下载: 941次
1 引言
全球定位系统(GPS)是良好的户外应用导航系统,目前已被广泛应用于交通、测绘等许多行业,且具有较高的定位精度。然而,受到多径效应、电磁屏蔽效应和信号穿过墙壁时强度的衰减等因素的影响,GPS等传统的室外定位技术在室内的信号覆盖率较差,用于室内的定位时存在较大定位误差。随着室内定位服务需求的日益增长[1-3],十多年来,各科技巨头和研究机构相继提出了许多基于无线电磁波的室内定位技术,如红外定位、无线局域网(WLAN)、射频识别(RFID)、蓝牙、紫蜂协议(ZigBee)、超宽带(UWB)和超声波定位等[4],这些方法的定位精度可由几米到几十厘米。然而,从定位精度和系统成本两方面考虑,基于无线电磁波的定位系统均存在相关局限性[5]。使用可见光通信(VLC)进行室内定位是解决室内定位问题的新思路。与传统定位系统相比,基于VLC的定位系统可以具有以下优点:1)VLC系统通信保密性好,不会轻易泄漏位置信息;2)VLC不容易受到多径效应的影响,这意味着使用VLC技术可以实现更高的定位精度;3)在诸如医院的某些应用环境下,传统的无线电磁波通信系统将产生电磁干扰,而由于发光二极管(LED)不会产生电磁干扰,因此基于VLC的方法可以适用于这类环境;4)提供VLC服务仅需基础照明设施,而不需要将额外的设备添加到内部环境中,从而可将硬件成本降至最低。
基于VLC的定位系统可以分为两种:基于光电探测器(PD)的定位系统和基于图像传感器[6-7]的定位系统。基于图像传感器的定位系统通常需要使用图像处理技术,对系统性能提出了很高的要求。而基于PD的定位系统具有系统简单、可靠性高和成本低等优点,在室内定位领域被广泛应用。迄今为止,各国科研工作者对基于PD的可见光定位已有较深入的探索,在国内外已经有一些计算接收机位置的方法,例如通过监测信号的到达时间(TOA)[8-9]、到达时间差(TDOA)[10]、到达角度(AOA)[11]和接收信号强度(RSS)[12-13]等获得接收机位置。在这些方法中,TOA系统中参考点及目标使用的时钟要完全同步;TDOA系统中要对发射器进行同步处理,由于同步问题,在实际应用中系统复杂程度较高;AOA系统虽然不需要实现参考点与目标之间同步,但在实际应用中不仅发射器的空间布局难以实现,而且受接收器接收信号范围的限制,因此其定位精度不高[14]。而基于RSS算法的VLC室内定位系统简单易行,仅通过测量可见光信号在空间传递过程中的衰减因子即可检测出定位的距离,控制简单且具有更高的定位精度。基于VLC的室内定位算法,定位的参考点为LED点光源,而定位目标为光电检测器件;利用RSS算法进行定位至少需要知道三个参考点的位置,而不同参考点信源所发出的身份识别(ID)定位信息在时域和频域上一般是重叠的,从而产生码间干扰,大大降低了定位的精度。因此,在已有的研究[15-17]中,为了降低由于定位系统中存在多个参考点而引起的区间干扰,采用了码分多址(CDMA)对不同LED发送的ID信息进行调制。CDMA调制可以分离时域和频域重叠的信号,其中的扩频技术也可以减少室内多径效应引起的符号间干扰。CDMA在VLC中的高有效性和良好性能已被报道。
近年来,国内外已经提出了一些三维(3-D)室内可见光定位的方法。但是,这些三维定位方法仍然有很多限制。Yasir等[1]使用智能手机的光传感器和加速度计测量光照强度,结合低复杂度定位算法确定了智能手机的位置,实现了低于25 cm的定位误差;Fang等[18]利用精心设计的无闪烁线路编码方案和轻量级图像处理算法,提供了准确、高速的室内导航,但这些方法需要添加额外的设备,增加了成本。Hou等[19]使用RSS和AOA混合算法实现室内三维定位,其定位误差为10.2 cm,这种方法采用混合算法进行定位,计算复杂。Lim[20]提出了一种基于最大似然方法的定位系统,该方法采用迭代最大似然方法和最小二乘解作为初始猜测值,提高了定位性能,但定位精度不高。Wu等[21]在线性光强衰减模型下建立了简化的三维指纹数据库,并结合指纹库方法和迭代算法实现了
本文提出了一种室内高精度三维定位方法,采用免疫算法进行三维可见光室内定位。免疫算法是一种强大的基于种群的启发式仿生进化算法,可用于求解全局优化问题。将三维室内定位转化成最优解问题,从而可以在三维室内定位中获得最佳的定位坐标。与现有的三维定位系统相比,本文提出的方法精度更高,搜索效率更高,不需要额外的设备。仿真结果表明,采用免疫算法进行三维室内定位时,平均误差为2.13 cm,定位精度优于目前已有的三维定位系统。
2 系统原理
2.1 室内无线光通信信道模型
基于VLC的室内定位系统的信道模型如
式中:
因此,当LED的光功率为
假设接收机所在的平面平行于天花板,则PD的法线与垂直方向平行,则LED的辐射角
令
LED与接收机之间的距离
在VLC系统中,系统信道噪声的总方差服从高斯分布,即散粒噪声和热噪声的总和满足[22]
式中:
2.2 基于免疫算法的室内定位算法
为了实现三维空间定位,提出利用免疫算法搜索三维空间中的最优定位解。在本定位问题中,由于接收机高度未知,通过(1)式无法计算得到个体与信号源之间的空间距离,因此仅能通过遍历搜索的方式在三维空间中寻找定位问题的最优解。然而,当搜索空间过大时,顺序遍历的计算量很大,无法适应真实的应用场景,而通过免疫算法[24-25]可以使得搜索个体在三维空间中较快地收敛至三维定位问题的最优解,从而大幅度提高计算效率。基于免疫算法的三维定位框架如
1) 生成初始抗体种群
设置种群的每个个体包含11条染色体,其中3条染色体代表坐标分量(
式中:
2) 计算抗体适应度
为了简化系统的复杂性,假设朗伯发光阶数
然而,因为系统噪声以及PD的滤光器和聚光器的增益没有被考虑在内,故
(9)式给出了以二进制矩阵形式表示的个体。如果房间模型的最大空间范围被定义为(
设LED的空间位置坐标为(
在室内定位中,空间距离偏差用于衡量个体是否接近理想位置,个体距理想位置越近,则适应度函数越接近于零。因此构建适应度函数为
保留适应度值最小的前
3) 选择操作
使用轮盘赌选择法对抗体种群中的个体进行择优操作,在
则第
4) 交叉操作
为了保持抗体种群的多样性,在进行交叉操作之前,应该提前进行相似性检查。具体操作如下:先随机选择两个个体,通过(9)式计算两个个体的相似度常数;如果相似度常数大于阈值,则重新选择进行交叉操作的个体,如果相似度常数小于阈值,则进行交叉操作。
5) 变异操作
将变异算子作用于群体,即对群体中的个体的某些基因值进行变动。来自不同个体的两个染色体参与变异操作。在两个染色体片段上分别进行异或逻辑运算和同或逻辑运算。设来自不同个体的两个染色体片段为
式中:⊕表示异或运算;☉表示同或运算。
6) 注射疫苗操作
将疫苗记忆库中的染色体加入进行了交叉、变异操作的群体,共同构成新一代群体。对新一代种群中的个体转去执行第2)步,重新计算其适应度,并对疫苗记忆库中的疫苗进行更新。
7) 设置算法终止条件
一般来说,需要设置两种终止条件。当抗体的适应度值小于给定的阈值时,意味着由于达到了计算精度,此时算法可以终止;当迭代次数超过设定的最大迭代次数时,说明收敛速度太慢,应重新启动定位算法。
3 模拟仿真及结果分析
3.1 室内三维定位仿真模型设计
采用Matlab软件对所提出的基于免疫算法的高精度室内可见光三维定位系统进行建模仿真,建立一个尺寸为3 m×3 m×4 m的长方体房间模型,房间的天花板上有4个LED,将LED视为朗伯型光源,LED的坐标分别为LED1(0,0,4),LED2(3,0,4),LED3(3,3,4)和LED4(0,3,4)。这4个信号源发射经过CDMA调制ID信息。将室内无线光通信信道模型视为直射链路信道,通过仿真模拟光强衰减因子,进而计算得到接收端与LED的距离。接收机使用PD接收空间光信号,接收信号经过采样处理后执行解扩操作以及免疫定位算法,最终获得接收机的精确位置。
表 1. 三维定位系统的仿真参数
Table 1. Simulation parameters of 3-D positioning system
|
3.2 迭代次数分析
图 3. 算法收敛过程。(a) 20次迭代;(b) 40次迭代;(c) 60次迭代;(d) 80次迭代
Fig. 3. Convergence process of algorithm. (a) 20 iterations; (b) 40 iterations; (c) 60 iterations; (d) 80 iterations
3.3 多点定位实验
为了测试免疫算法在室内三维定位中的性能,进行多点定位测试。选取8个高度分别为0.25,0.5,0.75,1,1.25,1.5,1.75,2.0 m的平面进行仿真。测试位置的分辨率为0.5 m,每个平面选定的位置测试点的数量为25个,共200个测试点。
由
从
图 4. 不同高度实际位置点和免疫算法计算位置点的分布。(a) 0.25 m; (b) 0.50 m; (c) 0.75 m; (d) 1.00 m; (e) 1.25 m; (f) 1.50 m; (g) 1.75 m; (h) 2.00 m
Fig. 4. Distributions of the actual location points and the location points calculated by immune algorithm at different heights. (a) 0.25 m; (b) 0.50 m; (c) 0.75 m; (d) 1.00 m; (e) 1.25 m; (f) 1.50 m; (g) 1.75 m; (h) 2.00 m
图 5. 不同高度的三维定位误差。(a) 0.25 m; (b) 0.50 m; (c) 0.75 m; (d) 1.00 m; (e) 1.25 m; (f) 1.50 m; (g) 1.75 m; (h) 2.00 m
Fig. 5. Three-dimensional positioning errors at different heights. (a) 0.25 m; (b) 0.50 m; (c) 0.75 m; (d) 1.00 m; (e) 1.25 m; (f) 1.50 m; (g) 1.75 m; (h) 2.00 m
这一结果表明免疫算法可较好地完成三维定位,定位精度达到了厘米级别。此外,分析上述数据可知,当定位高度较低时,不同高度的误差基本相同;而到达一定高度时,误差随着高度的增加而增加。对(12)~(15)式进行分析可得,定位误差主要是由光强衰减因子
多点定位测试中,计算200个测试定位点与其计算定位点之间的误差。定位误差直方图如
3.4 运动场景中的定位实验
为了测试免疫算法在运动场景定位中的性能,进行了轨迹跟踪实验。在模拟中,通过给出随机路径模拟房间中的移动目标,该路径中共有101个样本点。
为了更直接地呈现三维定位效果,给出了运动场景中定位误差直方图和位置误差的CDF曲线,分别如
4 结论
提出了一种基于免疫算法的室内可见光高精度三维定位系统。将VLC定位问题转化为全局优化问题,利用免疫算法的全局寻优能力对其进行求解。在该定位系统中,每个LED向接收端发送唯一信号,在引入定位误差修复因子后,免疫算法可以在三维空间内通过LED的ID信息及其光强衰减因子确定最佳定位点。通过仿真,证明了该定位系统具有较好的收敛速度,且算法的复杂度较低。仿真结果表明,定位的平均误差约为2.13 cm,大多数定位误差小于1.5 cm,其中95%的定位误差在1.35 cm以下。为了评估免疫算法在运动场景定位中的性能,进行了轨迹跟踪的扩展实验,结果表明绝大多数情况下定位误差在1.5 cm以下,96.04%的定位误差在1.7 cm以下。仿真结果证实了所提出的定位系统可以实现厘米级的室内定位;引入误差修正因子后,在实际应用中由噪声引起的定位误差也会在一定程度上得到降低。因此,基于免疫算法的室内可见光高精度三维定位系统具有广阔的应用前景。
[2] 王加安, 车英, 吕超, 等. 基于能量最优的室内可见光通信LED布局[J]. 光学学报, 2017, 37(8): 0806003.
[3] RoehrS, GuldenP, ShmakovD, et al. Wireless local positioning-existing solutions and novel system concepts[C]∥ 2015 IEEE MTT-S International Conference on Microwaves for Intelligent Mobility (ICMIM), April 27-29, Heidelberg, Germany. New York: IEEE, 2015: 1- 4.
[4] Yang SH, Kim DR, Kim HS, et al. Indoor positioning system based on visible light using location code[C]∥ 2012 Fourth International Conference on Communications and Electronics (ICCE), August 1-3, Hue, Vietnam. New York: IEEE, 2012: 360- 363.
[5] Qiao T Z. Position estimation in indoor localization system[J]. International Journal of Science & Research, 2014, 3(11): 2870-2877.
[6] Choi YH, Park IH, Kim YH, et al. Novel LBS technique based on visible light communications[C]∥ 2012 IEEE International Conference on Consumer Electronics (ICCE), January 13-16, 2012, Las Vegas, NV, USA. New York: IEEE, 2012: 576- 577.
[10] Wann CD, Yeh YJ, Hsueh CS. Hybrid TDOA/AOA indoor positioning and tracking using extended Kalman filters[C]∥ 2006 IEEE 63rd Vehicular Technology Conference, May 7-10, 2006, Melbourne, Victoria, Australia. New York: IEEE, 2006: 1058- 1062.
[14] WuP, LianJ, Lian BW. Optical CDMA-based wireless indoor positioning through time-of-arrival of light-emitting diodes[C]∥ 2015 14th International Conference on Optical Communications and Networks (ICOCN), July 3-5, 2015, Nanjing, China. New York: IEEE, 2015: 1- 3.
[17] 关伟鹏, 吴玉香, 文尚胜, 等. 基于CDMA调制的可见光通信室内定位技术的研究[J]. 光学学报, 2016, 36(11): 1106006.
[19] Hou YN, Xue YK, ChenC, et al. A RSS/AOA based indoor positioning system with a single LED lamp[C]∥ 2015 International Conference on Wireless Communications & Signal Processing (WCSP), October 15-17, 2015, Nanjing, China. New York: IEEE, 2015: 1- 4.
[25] 王磊, 潘进, 焦李成. 免疫算法[J]. 电子学报, 2000, 28(7): 96-101.
Wang L, Pan J, Jiao L C. The immune algorithm[J]. Acta Electronica Sinica, 2000, 28(7): 96-101.
[26] Yang SH, Jeong EM, Kim DR, et al. Three-dimensional localization based on visible light optical wireless communication[C]∥2013 Fifth International Conference on Ubiquitous and Future Networks (ICUFN), July 2-5, 2013, Da Nang, Vietnam. New York: IEEE, 2013: 468- 469.
Article Outline
王鹏飞, 关伟鹏, 文尚胜, 谢勇坚, 吴玉香, 张美琦. 基于免疫算法的高精度室内可见光三维定位系统[J]. 光学学报, 2018, 38(10): 1006007. Pengfei Wang, Weipeng Guan, Shangsheng Wen, Yongjian Xie, Yuxiang Wu, Meiqi Zhang. High Precision Indoor Visible Three-Dimensional Positioning System Based on Immune Algorithm[J]. Acta Optica Sinica, 2018, 38(10): 1006007.