为了提升可见光通信(VLC)室内环境下的定位精度, 提出一种基于双线性插值与K-means聚类算法结合的位置指纹定位改进算法。该算法首先建立初始指纹, 然后对待定位点所在聚类域中的指纹进行插值计算, 最后将插值后的部分区域指纹作为参考指纹库存, 选择一种匹配算法实现最终定位。在5 m×5 m×3 m的室内房间建立VLC系统模型, 仿真分析了指纹密集度对定位精度的影响以及改进算法的定位精度对比情况。仿真结果表明: 随着指纹库密集度的降低, 定位精度随之提高；改进算法使用插值指纹库与比使用初始指纹库的定位精度提高了21.5%, 同时大大降低了计算复杂度。

目前,基于压缩感知的可见光定位采用线性最小二乘法重构信号,容易陷入局部最优解,且需要高密度的发光二极管布局。针对这些问题,提出了一种基于粒子群优化压缩感知的可见光定位算法。首先,建立一种基于重构接收信号强度残差的适应度函数;其次,将指纹定位的权重求解问题转换为稀疏矩阵的重构问题;最后,采用粒子群优化重构信号。仿真结果表明,所提算法的时间复杂度较低、鲁棒性好,即使在低密度的发光二极管布局下,定位误差依然很小。当信噪比为10 dB、网格间距为50 cm时,所提算法定位误差的平均值为3.67 cm,显著低于现有的10种同类算法。还详细分析了不同参数对所提算法定位误差的影响,所得结果可为实际可见光定位系统的设计提供有益的参考。

基于可见光通信的指纹定位,提出一种低复杂度、稀疏度自适应的压缩感知算法。首先,利用位置指纹的稀疏性,将定位问题转换为稀疏矩阵的重构问题。其次,根据重构的残差值,自适应地计算近邻值。最后,详细分析指纹采样间距、信噪比、调制带宽及发射功率对定位误差的影响,详细分析所提定位算法的时间复杂度、最优近邻值的分布、发光二极管个数及最大近邻指纹数对定位误差的影响。仿真结果表明,所提定位算法的平均计算时间低、定位误差小,当信噪比为10 dB,指纹点之间的间距为40 cm时,所提定位算法的平均定位误差为1.56 cm,显著低于现有的同类算法。