【摘 要】
：
近年来,室内可见光定位系统发展迅速,其定位精度高,部署和维护成本低,有丰富的频谱资源并且可以工作在电磁敏感的场所,因此具有实现室内外定位服务一体化无缝切换的潜力。基于上述原因,室内可见光定位系统成为了室内定位问题的研究热门。本文研究了室内环境下基于光电二极管的可见光定位系统,利用偏振光实现了可移动物体的定位机制,丰富了可见光定位系统的定位技术手段,拓展了其应用场景。因定位精度高和功耗低的优点,基于
论文部分内容阅读
近年来,室内可见光定位系统发展迅速,其定位精度高,部署和维护成本低,有丰富的频谱资源并且可以工作在电磁敏感的场所,因此具有实现室内外定位服务一体化无缝切换的潜力。基于上述原因,室内可见光定位系统成为了室内定位问题的研究热门。本文研究了室内环境下基于光电二极管的可见光定位系统,利用偏振光实现了可移动物体的定位机制,丰富了可见光定位系统的定位技术手段,拓展了其应用场景。因定位精度高和功耗低的优点,基于光电二极管的室内可见光定位系统被广泛应用于室内环境。然而现有的研究方法大多依赖于辅助设备或是指纹数据库的支持,例如智能手机或庞大的指纹数据集。许多物联网设备没有足够的空间配备额外的辅助设备,也没有足够的能力支持复杂的计算和高带宽的通信,因此阻碍了室内可见光定位系统在现实生活中的推广与应用。为了解决上述问题,本文综合考虑了定位精度、系统易用性、部署和维护成本等要素,设计了室内可见光定位系统P-Light和Polar。本文的研究内容主要包含以下三个方面:（1）本文设计了基于偏振光的室内可见光定位系统P-Light。以偏振光和光传播模型为基础,本文设计了基于角度差的朝向计算方法（Angle-difference-based Orientation Method,AOM）和基于偏振光的定位算法（Polarized-light-based Location Algorithm,PLA）实现对接收端朝向和坐标位置的计算。经实验验证,P-Light使用AOM算法在朝向计算准确度方面可以实现1.24°的均值误差,使用PLA定位算法进行定位可以实现26.09cm的Xo Y平面均值误差和6.68cm的高度均值误差。（2）考虑到环境光会对室内可见光定位系统的定位性能产生影响,本文在P-Light的基础上,设计了消除环境光的定位算法（Eliminating-ambient-light Location Algorithm,ELA）。经过实验验证,在环境光干扰的情况下,P-Light使用ELA定位算法可以实现27.08cm的Xo Y平面均值误差和6.97cm的高度均值误差,该算法的定位准确度优于相同设置下的PLA定位算法。（3）为了达到更高的定位准确度,本文设计了基于光强度比的室内偏振光定位系统Polar。本文借助偏振片设计了基于偏振夹角的朝向计算方法（Polarizedangle-based Orientation Method,POM）。通过研究基于光强度比的光线入射角度测量模型（Incident Angle Sensing Model,IASM）,设计了基于光强度比的定位算法（Light-intensity-ratio-based Location Algorithm,LLA）。通过实验验证,Polar可以实现1.56°的朝向计算均值误差,在定位准确度方面可以实现7.87cm和2.19cm的Xo Y平面均值误差和高度均值误差。
其他文献
数字光场（Light Field）作为下一代虚拟现实的核心技术,受到了越来越广泛的关注。然而,受到硬件技术的限制,当前的光场成像设备在时间（帧率）、空间（子光圈图像分辨率）、角度（子光圈阵列）维度上的成像分辨率仍然较低。因此,高分辨率的光场绘制一直是计算成像领域中的一个热点。本文结合深度学习中的最新进展,围绕光场图像在时-空-角维度的超分辨率重建方法开展研究。虽然目前已提出了许多基于深度学习的光场
城市路网交通数据的分析与预测与人们的日常出行息息相关,在智慧城市的建设与发展过程中,路网交通的智能化进程也扮演着极其重要的作用。通过对交通数据的分析与预测,可以及时掌握路网中的即时交通状况,极大提升交通调度及处理突发事件的能力。随着城市化进程的大大加快,传统的数据分析和预测方法已经不能满足庞大交通数据的处理需求,目前越来越多的研究工作趋向于基于深度学习进行建模交通数据进行分析与预测,因此深度学习算
随着我国信息产业的不断发展，信息产业与传统产业的融合不断深入。如何利用信息化来促进传统物流产业的转型升级，是临沂市实现高质量发展的关键。本文基于产业融合的视角，以临沂市为例，探索适合临沂市的信息化与物流产业深度融合的发展途径。通过实地走访临沂市物流产业园区，分析临沂市物流业发展现状，找出存在的问题；并通过实证研究，证明信息化对临沂市物流产业的发展存在正向的促进作用；通过鱼骨图分析法对制约临沂市信息
代码异味是指源代码的次优设计或实现。迫于时间压力或其他因素,代码异味经常不可避免地被引入到软件项目中,给软件维护带来了隐患。采用人工的方式检测软件中的代码异味并提供移除建议是一项十分耗时且困难的工作。相反,自动识别代码异味并根据其表现特征进行移除推荐不仅可以提高维护工作的效率,并且可以减少开发人员的负担。基于以上背景,本文分别提出了一种基于图神经网络的代码异味检测方法,以及一种基于机器学习的异味移
软件可维护性是指软件维护人员理解、改正、改动和改进软件的难易程度,是决定软件质量的关键属性。及时且准确地预测软件的可维护性对提高软件维护效率具有重要意义。然而,随着软件系统日益复杂,软件可维护性的预测也越来越困难。一方面,在软件维护规模的预测中,现有工作所使用度量套件对预测维护规模的有效性未得到统计学上的验证,且由于方法过于简单使得预测效果不够稳定。另一方面,在可维护性程度的预测中,大多数研究未考
随着近些年来科技的进步,计算机、传感器等设备的可用性和可负担性变得更高,越来越多的工厂从“制造”走向“制造”,工业信息物理系统（CPS）在其中发挥着重要的作用。工业CPS可在生产制造过程中融合计算、通信与控制等多项技术手段,使多类生产制造设备协同工作,从而实现生产过程的智能化。大多数工作为了对CPS进行性能分析,牺牲了模型的部分描述能力,从而无法描述工业CPS中设备之间的交互行为。此外,将现存CP
随着北斗系统的逐步应用,海上渔船定位数据越来越丰富,基于多源数据协同监控成为船舶监控系统（Vessel Monitoring System,VMS）的重要研究方向和发展趋势。针对传统VMS多源数据利用率低,不能有效协同多源信息精准监控渔船状态的问题,本文设计基于多源数据协同作用的渔船监控系统。该系统既可关联多源轨迹识别目标渔船也可基于轨迹识别渔船作业类型,进而实现海上渔船状态的精准监控。其主要内容
随着人口老龄化加剧，老年抑郁（Geriatric depression,GD）正成为一个全球重大公共卫生问题。经颅磁刺激（Transcranial magnetic stimulation,TMS）是一种已被证实治疗成年人难治性抑郁症的有效干预手段，但TMS对GD疗效仍不清楚。这篇综述提供了TMS治疗GD一些新观点，探讨了TMS应用临床治疗GD的可行性。
随着深度学习技术在人工智能各个领域的快速发展,深度神经网络（Deep neural network,DNN）模型日益复杂,数据集规模不断增大。在单机单卡环境下的DNN模型训练速度已经无法满足日常的研发需求,因此研发人员开始将DNN模型训练过程逐渐转移到多机多卡环境下使用多个计算设备进行并行训练,从而加快DNN模型训练速度。分布式深度学习（Distributed deep learning,DDL）
＜正＞ 前言目前,酸度对雨水水质的影响已引起人们的关注。pH值则是衡量雨水水质及雨水酸度的主要指标。由于雨水的采集方法及分析平均值的计算方法各有不同,这佯,雨水的平均pH值也有所不同。至今日本还没有一个在同一标准下计算各地区雨水pH值的统一方法。在探讨雨水平均pH值计算方法的同时,此文将以计算结果为依据,推断一下日本各地区雨水的年平均pH值及其分布情况。