1 福建师范大学光电与信息工程学院医学光电科学与技术教育部重点实验室,福建 福州 350007
2 福建农林大学金山学院,福建 福州 350002
3 福建师范大学光电与信息工程学院福建省光子技术重点实验室,福建 福州 350007
4 福建师范大学光电与信息工程学院福建省光电传感应用工程技术研究中心,福建 福州 350007
5 福建师范大学协和学院,福建 福州 350117
针对单个光电二极管接收器的倾斜问题和几何算法的不足,搭建了多光电二极管接收器的真实可见光定位场景,并采用基于接收信号强度的指纹定位技术及其常用的机器学习算法,实验研究了4种典型的机器学习算法的定位性能。结果发现:在二维定位时,K最近邻、极限学习机、随机森林和自适应增强的定位误差小于2 cm的概率分别为96.67%、48.57%、67.14%和15.24%;在三维定位时,K最近邻、极限学习机、随机森林和自适应增强的定位误差小于2 cm的概率分别为74.52%、38.81%、59.76%和6.43%。结果均表明,K最近邻的定位性能较佳。在此基础上,比较了发光二极管个数、光电二极管个数和发光二极管发射功率等因素对定位精度的影响。结果表明:发光二极管个数和光电二极管个数的增加均有效地降低了定位误差,发光二极管的发射功率为5 W时,已经实现了定位误差的收敛。该结果为发光二极管分布密度较低时可见光定位系统的设计提供新的理论支持与实际应用参考价值。
可见光定位 多光电二极管 接收信号强度指纹 机器学习 激光与光电子学进展
2023, 60(7): 0723002
1 清华大学信息科学与技术国家实验室, 北京 100084
2 深圳清华大学研究院广东省数字电视系统重点实验室, 广东 深圳 518057
为了实现低成本、低复杂度以及高精度的室内定位系统,提出了基于指纹的室内可见光定位方法。该方法利用可见光发光二极管作为信号源,根据接收到的可见光信号强度信息,结合三角定位算法和指纹定位算法,实现室内高精度定位。定位过程主要分为两步:第一步,通过三角定位算法确定移动目标粗略的位置范围; 第二步,以该位置范围作为限制条件,使用指纹定位算法实现更精确定位。实验结果表明,该方法与传统的基于可见光信号强度的定位方法相比,平均定位精度提高了64.71%; 同时,与传统的基于指纹的定位方法相比,可以在更低复杂度的情况下,实现更精确定位。
光通信 室内定位系统 接收信号强度指纹 三角定位算法