可见光通信的定位与定向系统设计及性能分析 下载: 620次
1 引言
与广泛使用的射频通信相比,可见光通信(VLC)具有频谱资源丰富、可与照明系统共存、可安全地应用于禁止电磁波辐射的区域、绿色节能以及通信保密性好等优点[1],因此,VLC被广泛认为是一种可与射频通信互补的新兴通信技术。VLC的接收端可采用图像传感器或光电二极管(PD)采集光信号,与图像传感器相比,PD成本更低、功耗更小而受到更多关注。到达时间(TOA)、到达角度(AOA)以及接收信号强度(RSS)等是室内定位系统常用的测量方法[2]。由于RSS值可直接被集成PD的设备接收,对收发之间的时钟同步要求不高,接收端不需要集成多天线阵列,因此,基于RSS的可见光定位(VLP)备受研究人员关注。基于RSS的VLP可以分为测距法与指纹法[3-5],指纹法需要在离线阶段采集大量的位置指纹数据,人工成本高,实际可行性较差。而测距法无需离线构建指纹库,实现简单,可行性更好。
一般情况下,VLC遵循朗伯(Lambertian)光辐射模型[3-7],根据接收端采集到的RSS值,可以得到收发之间的通信距离,进而通过高斯牛顿法[8]、极大似然法[9]以及线性最小二乘法[10]等实现接收端的定位。由于VLC的传输信号无法穿透墙壁等障碍物,视距(LOS)通信占据主要成分,为了简单,一般直接采用一阶朗伯光辐射模型测量发光二级管(LED)与PD之间的距离。但是,当接收机靠近墙壁或其它障碍物时,依然存在多径干扰,即非视距(NLOS)通信[10]。实现2D的VLP系统相对简单,然而要实现3D的VLP系统,尤其同时实现定位与定向,则需要面临高度复杂的非凸优化问题[11],高斯牛顿法与线性最小二乘法在求解非凸优化问题时容易陷入局部最优解,导致误差大[11]。元启发式具有很强的全局寻优能力,尤其针对非凸优化问题,目前已有研究人员结合元启发式实现3D的VLP系统,比如,粒子群优化(PSO)[12]、遗传算法(GA)[13]、差分进化(DE)[14]、蝙蝠算法(BA)[15],以及自适应花授粉算法[16]等已被应用于求解3D VLP的优化问题,并取得了较高的定位精度。然而已有文献[12-15,17]为了简单,直接假设接收端水平放置,接收面与天花板平行,只考虑3D定位问题,忽略定向问题,实际的可行性较差。采用PD接收技术,接收到的光信号强度受到PD倾斜角度的影响较大[11],因此,准确地估计PD的倾斜角度是实现高定位精度的前提条件。
克拉-美罗下界(Cramer-Rao lower bound,CRLB)为所有无偏估计的方差提供了一个理论下边界[17],已被广泛应用于评估VLP的性能。比如,文献[18]给出了一种被动式定位的新方法,并解析了所提方法定位误差的CRLB。文献[19]给出了一种基于孔径接收机的VLP系统,并确定了定位误差的CRLB。文献[11]给出了一种同时定位与定向的VLP方法,并通过分析LOS高斯噪声模型的CRLB深入解析所提VLP方法的定位与定向性能,不过其在分析CRLB时,并未考虑NLOS传输信号的影响。文献[9]同样通过分析LOS高斯噪声模型的CRLB深入解析所提VLP方法的定位与定向性能。文献[20]给出了一种接收端采用多PD的VLP系统,并同时估计位置和方向的方法,并通过CRLB分析了所提VLP系统的定位与定向性能。接收端采用多PD技术虽然可以提高定位精度,但同时增加了硬件成本以及设备的体积,同时增加了抗干扰的复杂度。文献[20]同样通过分析LOS高斯噪声模型的CRLB深入了解所提多PD技术的定位与定向性能。本文课题组的前期工作分析了一种在复杂环境下基于测距模型的混合3D VLP模型[21],并通过数学方法精确解析了所提VLP系统的CRLB,然而未考虑定向问题,解析CRLB只考虑位置的影响,且直接采用距离误差模型的联合概率密度函数。本文在前期工作[21]的基础上,实现了同时3D定位与定向的VLP方法,接收端无需保持水平状态,极大提升了VLP系统的性能与实际可行性。且本文采用的是朗伯光辐射模型的联合概率密度函数,并非简单的距离误差模型的联合概率密度函数,由于朗伯光辐射模型的非线性,所构建的定位与定向联合概率密度函数是一个高度复杂的非凸优化函数,导致在低时间复杂度下,同时实现定位与定向误差收敛于CRLB是一个挑战。本文的主要工作包括:1)分析了一种在复杂环境下的基于测距模型的混合3D VLP模型,该模型同时考虑了LOS和NLOS分量,并通过引入NLOS的传输概率,考虑了所有NLOS传输的可能情况,并同时考虑了3D定位与定向问题;2)针对VLP的3D定位与定向问题,提出了一种自适应参数与自适应变异的粒子群优化;3)在混合3D VLP模型下,通过数学方法对所提VLP系统的CRLB进行了精确解析。所提算法的时间复杂度较低,且定位与定向误差非常接近CRLB值,明显优于PSO[12]、GA[13]、DE[14]以及BA[15]四种基于迭代的VLP算法。
2 VLP系统设计
2.1 系统模型
基于测距模型的混合LOS与NLOS传输链路的3D VLP系统模型如
由于VLC一般遵循朗伯光辐射模型,则PD与第i个LED之间的信道增益[9-16]为
式中:
则接收端接收到第i个LED的光功率值
式中:
2.2 目标函数
假设在LOS朗伯光辐射模型下,接收端接收到第i个LED的光功率值
式中,
在复杂的室内环境,收发之间存在一定概率的NLOS链路,比如当目标靠近墙壁等障碍物[10],假设在NLOS朗伯光辐射模型下,接收端接收到第i个LED的光功率值
式中,
由于无法事先获得收发之间的传播状态,因此引入NLOS的传输概率
式中,
记
根据极大似然准则,定位与定向的目标就是寻找参数
式中,
2.3 算法设计
受到鸟群的运动习性启发,由Kennedy和Eberhart提出了一种经典的PSO算法,在标准的PSO算法中,粒子的速度与位置更新表达式[22]分别为
式中:
2.3.1 粒子的自适应参数设计
由于无法获得接收机位置与角度的先验信息,即
式中:
在标准的PSO算法中,种群的空间探索能力以及收敛速度很大程度受制于
定义1,
式中:
式中:
2.3.2 粒子的变异操作
因种群迭代的初始解是随机产生的,在迭代过程中,粒子除了会向自身的历史最优解学习,而且会向历史的全局最优粒子GB学习,优点是算法的收敛速度快,缺点是容易陷入局部最优解。为了保持迭代初期种群具有更好的多样性,对粒子的解向量
定义2,
式中,
显然,
式中:
2.3.3 定位与定向的理论误差边界分析
CRLB为所有无偏估计的方差提供了一个下边界,因此被广泛应用于评估VLP系统的性能[9,11,17-21]。当所设计VLP系统的定位与定向误差能够收敛于CRLB值,说明所提算法是有效的。为了不失一般性,同样假设接收机与M个LED的通信过程中,其测量值是独立同分布的[9,11,20],根据目标函数
则
因
从而,Fisher 信息矩阵
而且
因此,CRLB为
式中:
3 仿真分析
3.1 参数设置
为了验证所提VLP算法的定位与定向性能,采用以下几种VLP算法作为比对基线:基于PSO的VLP[12]、基于GA的VLP[13]、基于DE的VLP[14]、基于BA的VLP[15],以及定位与定向误差的CRLB。几种元启发式的参数设置分别为:DE的加权因子与交叉因子分别为0.3与0.6;GA的交叉率与变异率分别为0.7与0.3;BA的响度和脉冲率分别为0.6和0.1;PSO惯性权重的最大与最小值分别为0.9和0.4,其值随迭代次数增加线性递减,学习因子为1.5;所提算法的最大惯性权重和最小惯性权重分别为0.9和0.4,学习因子的最大值与最小值分别为1.8与0.8。以上参数的设置均使得对应VLP系统取得最优的定位与定向性能。除非另外说明,否则种群规模
3.2 结果分析
定位与定向误差随迭代次数
图 2. 误差随迭代次数的变化情况。(a)平均定位误差;(b)平均定向误差
Fig. 2. Variation of error with number of iterations. (a) Average positioning error; (b) average orientating error
图
图 3. 误差随种群规模的变化情况。(a)平均定位误差;(b)平均定向误差
Fig. 3. Variation of error with number of population size. (a) Average positioning error; (b) average orientating error
几种不同算法的定位与定向误差的累积分布函数(CDF)如
图 4. 误差的CDF。(a)定位误差;(b)定向误差
Fig. 4. Cumulative distribution function (CDF) of errors. (a) Positioning error; (b) orientating error
几种不同算法的平均定位与定向误差随NLOS传输概率
图 5. 误差随NLOS传输概率的变化情况。(a)平均定位误差;(b)平均定向误差
Fig. 5. Variation of error with transmission probability of NLOS. (a) Average positioning error; (b) average orientating error
定位是一个实时性的过程,时间复杂度也是衡量一个定位系统性能的重要指标。几种不同算法时间复杂度分析结果如
表 1. 时间复杂度分析
Table 1. Time complexity analysis
|
4 结论
本文分析了一种在复杂环境下的基于测距模型的混合3D VLP模型,该模型同时考虑了LOS和NLOS分量,并通过引入NLOS的传输概率,考虑了所有NLOS传输的可能情况,并同时实现3D定位与定向功能。针对VLP的3D定位与定向问题,提出了一种自适应参数与自适应变异的粒子群优化,由于所提算法考虑了普通粒子与最优解粒子之间的模糊贴近度,采用自适应的惯性权重与学习因子,以及自适应的变异方法,保证了种群在迭代前期具有更大的空间探索能力,在迭代后期具有更强的局部搜索能力,从而有效地避免了种群陷入局部最优解的情况。在混合3D VLP模型下,本文通过数学方法精确解析了所提VLP系统的CRLB,结果表明,所提算法的时间复杂度较低,定位与定向性能都非常接近CRLB值,且明显优于PSO、GA、BA以及DE四种基于迭代的VLP算法。当平均定位与平均定向误差收敛时,所提算法的平均定位与平均定向收敛误差分别为5.99 cm与6.65°,明显优于PSO、GA、BA以及DE等算法。
[1] Maheepala M, Kouzani A Z, Joordens M A. Light-based indoor positioning systems: a review[J]. IEEE Sensors Journal, 2020, 20(8): 3971-3995.
[2] 曹阳, 党宇超, 彭小峰, 等. TOA/RSS混合信息室内可见光定位方法[J]. 中国激光, 2021, 48(1): 0106005.
[3] 秦岭, 张崇泰, 郭瑛, 等. 基于Elman神经网络的可见光室内定位算法研究[J]. 光学学报, 2022, 42(5): 0506002.
[4] 赵黎, 韩中达, 张峰. 基于神经网络的可见光室内立体定位研究[J]. 中国激光, 2021, 48(7): 0706004.
[5] 徐世武, 吴怡, 王徐芳. 基于粒子群优化压缩感知的可见光定位算法[J]. 中国激光, 2021, 48(3): 0306004.
[6] Komine T, Nakagawa M. Fundamental analysis for visible-light communication system using LED lights[J]. IEEE Transactions on Consumer Electronics, 2004, 50(1): 100-107.
[7] Zhuang Y, Hua L C, Wang Q, et al. Visible light positioning and navigation using noise measurement and mitigation[J]. IEEE Transactions on Vehicular Technology, 2019, 68(11): 11094-11106.3D.
[8] Şahin A, Eroğlu Y S, Güvenç İ, et al. Hybrid 3D localization for visible light communication systems[J]. Journal of Lightwave Technology, 2015, 33(22): 4589-4599.
[9] Zhou B P, Liu A, Lau V, et al. Performance limits of visible light-based positioning for Internet-of-vehicles: time-domain localization cooperation gain[J]. IEEE Transactions on Intelligent Transportation Systems, 2021, 22(8): 5374-5388.
[10] Gu W J, Aminikashani M, Deng P, et al. Impact of multipath reflections on the performance of indoor visible light positioning systems[J]. Journal of Lightwave Technology, 2016, 34(10): 2578-2587.
[11] Zhou B P, Lau V, Chen Q C, et al. Simultaneous positioning and orientating for visible light communications: algorithm design and performance analysis[J]. IEEE Transactions on Vehicular Technology, 2018, 67(12): 11790-11804.
[12] Cai Y, Guan W P, Wu Y X, et al. Indoor high precision three-dimensional positioning system based on visible light communication using particle swarm optimization[J]. IEEE Photonics Journal, 2017, 9(6): 7908120.
[13] Chen H, Guan W P, Li S M, et al. Indoor high precision three-dimensional positioning system based on visible light communication using modified genetic algorithm[J]. Optics Communications, 2018, 413: 103-120.
[14] Wu Y X, Liu X W, Guan W P, et al. High-speed 3D indoor localization system based on visible light communication using differential evolution algorithm[J]. Optics Communications, 2018, 424: 177-189.
[15] Huang L, Wang P, Liu Z Y, et al. Indoor three-dimensional high-precision positioning system with bat algorithm based on visible light communication[J]. Applied Optics, 2019, 58(9): 2226-2234.
[16] 张慧颖, 于海越, 陈玲玲. 基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位[J]. 中国激光, 2021, 48(1): 0106001.
[17] Li Z P, Qiu G D, Zhao L, et al. Dual-mode LED aided visible light positioning system under multi-path propagation: design and demonstration[J]. IEEE Transactions on Wireless Communications, 2021, 20(9): 5986-6003.
[18] Majeed K, Hranilovic S. Performance bounds on passive indoor positioning using visible light[J]. Journal of Lightwave Technology, 2020, 38(8): 2190-2200.
[19] Heidi S, Qian W T, Jean A. Theoretical lower bound for indoor visible light positioning using received signal strength measurements and an aperture-based receiver[J]. Journal of Lightwave Technology, 2017, 35(2): 309-319.
[20] Shen S Q, Li S Y, Steendam H. Simultaneous position and orientation estimation for visible light systems with multiple LEDs and multiple PDs[J]. IEEE Journal on Selected Areas in Communications, 2020, 38(8): 1866-1879.3D.
[21] Xu S W, Wu Y, Wang X F, et al. Indoor 3D visible light positioning system based on adaptive parameter particle swarm optimisation[J]. IET Communications, 2020, 14(20): 3707-3714.
[22] Han H G, Lu W, Zhang L, et al. Adaptive gradient multiobjective particle swarm optimization[J]. IEEE Transactions on Cybernetics, 2018, 48(11): 3067-3079.
Article Outline
陈瑾, 徐世武, 魏芬, 张龙腾. 可见光通信的定位与定向系统设计及性能分析[J]. 激光与光电子学进展, 2023, 60(15): 1506003. Jin Chen, Shiwu Xu, Fen Wei, Longteng Zhang. Design and Performance Analysis of Positioning and Orientating System for Visible Light Communication[J]. Laser & Optoelectronics Progress, 2023, 60(15): 1506003.