论文部分内容阅读
随着物联网、无线传感器网络等技术的飞速发展,室内定位服务越来越受重视。传统的室外定位技术GPS在室内覆盖度差,无法完成精准定位。而基于红外、无线局域网、蓝牙、射频、超宽带等室内定位技术,需要额外增添基础设施,且易受电磁干扰,不能很好地推广应用。基于可见光的定位技术,具有抗电磁干扰、兼顾照明、节省安装成本、无辐射污染、定位精度高等优点,已经成为室内定位的热门研究领域之一。本文侧重研究高精度的室内可见光定位与跟踪,主要研究内容如下:(1)首先介绍了 LED的光源特性、可见光通信模型、信道响应和噪声模型。仿真对比了视距传输链路和非视距传输链路下的信道增益分布。介绍了几种常用的定位算法,重点研究了接收信号强度(Received Signal Strength,RSS)算法、指纹算法和到达时间差(Time Difference of Arrival,TDOA)算法的定位精度。仿真结果表明,RSS算法定位精度不高,经质心加权优化后,定位精度提高了约49%。指纹算法定位精度虽高,但算法复杂度较大。TDOA算法对时延的估计精度要求极高,定位精度较高。(2)针对RSS算法因受多径效应影响,距离估计不准,定位精度不高的问题。提出了一种采用遗传算法优化BP神经网络(GA-BP)的距离优化方法,有效地提高了 RSS算法的定位精度,在5m×5m×3m的定位场景中,平均定位误差可以达到0.6428cm。与RSS加权质心算法相比,定位精度提高了约96.4%,且在不同定位位置和定位范围下,平均定位误差稳定在毫米级,不随定位范围扩大而扩大。同时,利用GA-BP算法对TDOA算法的时延差进行优化,无需多次计算时延差,提高了算法的运算速度与定位精度,相比传统TDOA算法,定位精度提高约30%。(3)将粒子滤波(Particle Filter,PF)算法与RSS定位算法结合,实现对移动目标的轨迹跟踪,将经GA-BP优化后的距离值作为PF算法的观测值,利用单个LED对做匀速直线运动的目标进行轨迹跟踪,由于粒子初始化状态随机,算法的跟踪性能并不稳定。采用多个LED的PF算法(Multiple LED PF,MLED-PF)对目标进行轨迹跟踪,利用GA-BP优化后的RSS算法计算目标初始状态,赋给粒子完成初始化,并对每个LED的跟踪结果取平均值,解决了 PF算法跟踪不稳定的问题。同时,引入遮挡因子,当一个LED被遮挡时,采用拉依达准则除去粗大误差,消除被遮挡的LED对跟踪效果的整体影响,提高算法的抗遮挡能力。在5m×5m×3m的定位场景中,平均跟踪误差稳定在厘米级。