基于卷积神经网络视觉成像可见光室内位置感知模型与光源布局

针对基于接收信号强度（RSS）的可见光室内位置感知系统部署复杂、稳健性差、定位精度低的问题,提出一种基于卷积神经网络（CNN）视觉成像的可见光室内位置感知模型,并研究了光源布局方式。首先,基于环境光和普通发光二极管光源进行了可见光视觉成像位置感知模型的设计和搭建;然后,通过CNN预训练模型提取图像深度特征;在此基础上通过研究不同光源布局模型中定位精度与光源数量、光源间距之间的关系,优化基于CNN视觉成像的室内位置感知模型的定位精度模型。实验结果表明：与基于RSS的室内位置感知模型相比,当定位误差分别小于2.1 cm和3.9 cm时,所提模型的置信概率分别提高了10%和6.7%;同时,与矩形布局方式和三角布局方式相比,十字布局方式的定位精度分别提高了9.5%和16%。     

基于像素距离加权的室内成像定位研究

针对室内成像定位技术受随机噪声的影响较大、定位误差较高的问题,提出了一种基于像素距离加权的室内成像定位技术。在室内屋顶布设多个红外LED,依靠成像传感器获得红外LED信标的像点,将成像点到成像传感器中心的像素距离作为加权因子引入室内成像定位算法中,可以有效地提高室内定位精度。并进行了仿真实验,实验选择4m×4m×3m的空间区域模拟室内环境,当布设的红外LED信标数量为3时,应用改进后的算法可以获得10cm以内的定位误差性能,并且误差波动不超过5cm。另外,随着布设信标数量的增加,定位误差继续减小。改进后的定位算法有效地提高了室内定位的精度以及成像定位算法的普适性。     

基于DV-HOP的信息通信节点精准定位算法

针对传统通信节点定位算法存在的定位误差大、定位速度慢的问题,提出基于DV-HOP的信息通信节点精准定位算法。根据通信网络的硬件连接结构和运行原理,构建信息通信网络模型。在该模型下,设置通信虚拟信标点,并获取通信节点的实时通信信号。利用DV-Hop算法,计算信标节点和未知节点之间的跳段距离,确定目标节点位置坐标,并通过分析节点定位误差,修正初始定位坐标,实现信息通信节点的精准定位。通过与传统定位算法的对比实验得出结论:设计精准定位算法的定位误差有所降低,且定位时间节省了0.307s。     

基于发光二极管光源的相机定标无线定位算法

针对现有无线定位算法精度较低和成本较高的不足,结合基于发光二极管(LED)照明器件的可见光通信(VLC)系统,考虑相机成像镜头材质不均、装配偏差等因素对真实图像的扭曲和畸变,设计提出了一种新型的基于LED信号光源的相机定标定位算法。该算法根据接收机与LED信号光源的位置关系和通过VLC系统获取的LED信号光源的位置信息,可以解算出接收机的位置和姿态信息,并可以通过对准校正提高VLC系统抗干扰能力的影响。实验结果表明,该算法在实现厘米级定位精度的同时,可以解算出5°级别的姿态角度信息;同时,使用该算法根据位置信息进行对准校正的VLC系统误比特率较跟踪校正的VLC系统误比特率提高了两个数量级,提高了VLC系统的抗干扰能力和稳定性。     

基于白光LED的室内高精度定位算法的实现

搭建了室内可见光定位系统,实验上探索了接收信号强度比定位算法的可行性.通过控制多个LED光源在不同时隙的亮暗,分别传输直流与正弦信号,使用照度计及光电探测器测试接收信号强度,对接收机位置进行了估计.其中使用直流信号时,在与光源所在平面相距59 cm的接收平面内,得到最大误差为2.05 cm、平均误差为8.64 mm的定位精度;使用正弦信号时,在与光源平面相距30 cm的接收平面内,得到最大误差为1.09 cm、平均误差为5.6mm的定位精度,并且使用交流信号时实验结果不受环境杂散光的干扰.     

基于修正型果蝇优化算法改进地铁运行定位系统研究

为实现地铁运行列车的精确和实时定位,确保列车运行的安全性,针对传统定位算法存在定位误差大、能耗大和复杂程度高的缺点,提出一种基于修正模型果蝇优化算法改进DV-Hop算法的列车定位算法。通过锚节点比例、节点数和平均定位误差之间关系实验结果可知,MFOA算法、FOA算法和DV-Hop算法的平均定位误差随着节点数和锚节点比例的增加总体呈现下降的趋势,MFOA算法的平均定位误差小于FOA算法和DV-Hop算法的平均定位误差,定位精度优于FOA算法和DV-Hop算法,从而验证了所提算法的优越性和可靠性。     

基于随机森林算法的室内可见光指纹定位方法

为进一步提高动态目标室内可见光定位追踪系统性能，提出了一种基于随机森林（RF）算法的室内可见光指纹定位方法。利用发光二极管（LED）的光强信号作为特征构建指纹数据库，应用指纹库中的数据训练决策树，引入RF算法进行初始定位，再通过卡尔曼滤波对初始位置估计进行优化，从而获得更准确的定位轨迹。仿真结果表明：在5 m×5 m×3 m的室内场景下，通过所提定位方法能获得大部分采样点误差分布在4 cm之内的定位效果；此外，通过与不同室内可见光定位算法的性能进行对比，验证了所提算法的技术优势。     

基于声源定位的信息传输异常点智能识别算法研究

为了解决传统方法识别声音信息异常点时存在精确度低的问题,研究基于声源定位的信息传输异常点智能识别算法,采用改进模糊C均值聚类算法得到可能性C均值聚类算法,采用此声源定位算法计算异常声源聚类中心,当聚类符合限制条件时,输出的聚类中心为异常声源定位结果;以该结果为前提,依据短时幅度与短时过动态门限率变量判断声音信息异常点的起始端与终止端,识别出声音信息传输异常点。实验结果表明,所提算法对识别声音信息传输异常点的丢包率误差最大在3.45～3.7之间,说明所提算法对丢包率存在一定的抵抗能力。     

基于朗伯模型参数估计的VLC室内定位优化算法

为实现高精度室内定位,本文设计了一种可见光 通信(VLC)室内定位系统,并通过 结合优化的朗伯模型、码分多址技术(CDMA)、三边定位算法而有效提升了定位精度和系统 扩展性。首先,每个发光二极管(LED)的ID信息经过直接序列调制后加载到LED驱动电路上 ,LED发出带有自身ID信息的灯光信号。在接收端通过光电探测器(PD)接收灯光信号,并 根据扩频码的正交性恢复出ID信息及接收信号强度(RSS),以此提高信道容量并增强系统 抗干扰能力。然后,根据朗伯光源模型,由三边定位算法得出待定位点的定位估计坐标。为 进一步提高精度,引入k最近邻(KNN)思想,采集适当的指纹点并由指纹点信息对每盏灯在 定位估计坐标处的朗伯光源模型参数进行估计,由优化后的朗伯模型计算出精度更高的定位 坐标。在1m×1m×1.35 m的空间区域中,进行本VLC室内定位系统 的实验测试。结果表明,提 出的高精度VLC室内定位系统的平均定位误差降低至2cm左右,其定位精度相比于传统三边 定 位算法提升了30%。此外,该系统方案所采用基于指纹点信息优化朗 伯模型参数的方法具备良好的实用扩展性,可实现广阔的应用场景。     

基于彩色LED阵列的光学相机通信系统实验研究

针对可见光通信（VLC）技术存在数据传输速率低、收发端同步困难等问题,提出一种以彩色发光二极管（LED）阵列为发射端、手机摄像头为接收端的光学相机通信（OCC）系统。首先,设计了一种特殊的帧结构来解决系统收发端同步问题,并通过建立图像处理算法提取出彩色LED各通道灰度统计特性以区分LED颜色;然后,引入反向传播神经网络分类器提高颜色识别准确率;最后,以m伪随机序列作为测试数据进行系统通信误码率的测量,研究发射端LED阵列刷新率、相机偏转角、传输距离、LED颜色数对误码率的影响。实验结果表明：所设计的帧结构可以确保信息传输的稳定性;当使用8种颜色进行信息传输时,该系统可以在20～30 cm内实现误码率为10-6量级、通信速率为4.824 kb/s的实时通信。     

基于Bi-LSTM神经网络的室内可见光定位方法

双向长短时记忆（Bi-LSTM）神经网络由于超参数众多,难以获得最优系统模型。同时,考虑到灰狼优化（GWO）算法可能过早收敛的情况,提出了一种采用GWO结合粒子群（GWO-PSO）算法优化Bi-LSTM神经网络的单灯定位方法。通过优化网络中的学习率、隐藏神经元个数等超参数,提高系统的稳定性和定位精度。最后,采用加权K邻近（WKNN）算法对误差较大的点进行优化,以获得更精确的定位位置。仿真结果表明,在3 m×3.6 m×3 m的室内环境中,所提定位方法的平均定位误差为3.57 cm,其中90%的定位误差在6 cm内。     

基于成像通信的高精度可见光室内定位方法

提出了一种基于可见光发光二极管(LED)与摄像头成像通信的室内精确定位方法,旨在实现高精度、低成本、应用范围广泛、不易受干扰的室内定位。该方法利用摄像头接收加载在LED光上的身份识别信息(ID)获得LED的绝对位置信息,进一步从摄像头拍摄的图像中获取摄像头与LED的相对位置信息,结合接收端上的姿态传感器(电子罗盘)数据,便可计算得到摄像头的精确位置,实现定位功能。采用该方法进行了高精度室内定位实验测试,测试结果表明,该方法的定位精度可以达到厘米量级,且可以仅通过软件就将接收端布设在目前大多数智能终端上。     

视觉导航用多功能路标设计与应用

优秀的路标设计,可以简化路标识别算法并提高机器人定位与导航的准确性和实时性。本文针对结构环境下的视觉导航系统,设计了一款多功能路标并给出了相应的应用算法。通过综合考虑拓扑结构、几何结构和色彩选取等的优化,设计的路标可以提供丰富的信息,而且具有较强的抗干扰能力。基于所设计的路标可以实现基于单帧图像中单个路标的机器人定位与导航,以及在大范围内基于序列路标的导航,并且可以准确估计序列路标中下一路标的位置。在具有较多干扰因素的大厅和走廊中进行的机器人定位与导航实验表明,即使采用未经校正的鱼眼镜头,机器人定位误差最大仍不超过5cm,示教再现导航误差最大不超过10cm;且在长距离导航实验中可实现方便、准确进行路标切换,有效提高导航的实时性和抗干扰性,证明了所设计路标的有效性。     

基于深度强化学习的可见光定位通信一体化功率分配研究

为了实现定位通信一体化功率分配,提出了一种基于深度强化学习的可见光定位通信（VLPC）一体化系统的功率分配方案。首先,提出了定位通信一体化帧结构设计;其次,利用定位信息实现了信道状态信息的估计,并推导了定位误差的克拉美罗下界（CRLB）;再次,阐明了定位精度和通信速率的内在耦合关系;最后,提出了基于深度确定性策略梯度的VLPC动态功率分配方案。仿真结果表明,所提方案可同时实现高精度定位和高速通信。     

基于TDOAs与GROAs的多信号源被动定位

为提高感知节点位置模糊条件下多目标被动定位结果精度,提出基于TDOAs与GROAs的混合定位代数闭式解算法,该算法联合估计未知信号源位置与带误差感知节点位置,利用TDOAs与GROAs所包含的相同感知节点位置误差信息提升定位精度,并推导得到基于TDOAs与GROAs多目标混合定位的克拉美罗下界(CRLB),仿真结果表明,所提算法能较好的达到CRLB,并且GROAs信息的引入给多目标定位精度带来明显性能提升.     

基于RSSR融合RNGO-Elman神经网络的室内可见光定位

针对动态环境下基于接收信号强度的传统可见光定位方法定位精度低、稳定性差等问题,提出一种基于接收信号强度比的改进北方苍鹰算法(NGO)优化Elman神经网络(RNGO-Elman)的室内可见光定位系统。提出选择一个辅助参考点,将待测参考点与辅助参考点的接收信号强度比值和接收机的真实位置作为训练集数据,建立不受动态环境影响的指纹数据库。针对NGO算法收敛速度慢、容易陷入局部最优等问题,利用折射反向学习策略初始化种群,增加种群多样性,引入非线性权重因子来加快收敛速度,避免陷入局部最优。使用优化后的NGO算法来优化Elman神经网络的初始权值和阈值,构建RNGO-Elman动态定位预测模型。仿真结果表明,在4m×4m×3m的实验空间下,优化后的RNGO-Elman定位模型平均定位误差为1.34cm,定位精度相较于Elman定位算法、NGO-Elman定位算法分别提高了82%,21%。在LED发射功率波动时,基于RSSR的RNGO-Elman定位误差为1.29cm,1.38cm。所提可见光定位方法具有定位精度高、定位性能稳定等优点。     

TOA/RSS混合信息室内可见光定位方法

为提高室内定位精度,提出一种基于混合到达时间/接收信号强度(TOA/RSS)信息的定位方法。针对室内可见光定位中存在的多径效应造成的定位非线性误差,引入前置无迹卡尔曼滤波的粒子滤波算法,将TOA信息与RSS信息相融合,达到修正非线性误差的目的。然后综合考虑接收端惯性传感参数,对接收端进行运动分析,提升估算坐标的精度。在长宽均为5 m、高度为3 m的室内进行定位仿真,在12 W发光二极管(LED)发射功率下,所提方法获得了平均定位误差为2.02 cm的定位精度。仿真结果证明,所提定位方法的定位性能总体优于指纹定位方法和三边定位的RSS定位方法,具有较强的鲁棒性和较低的定位延迟。     

CBTC系统下的两列车追踪运行过程研究

CBTC（基于通信的列车运行控制）系统是一种利用高精度的、不依赖于轨道电路的列车定位技术，实现连续式的、大容量的双向车．地数据通信。文章主要对CBTC系统下两列车追踪运行的相互影响关系作了简单的分析，以及CBTC系统下两列车运行过程仿真模型和算法的建立进行了研究。     

可见光通信的定位与定向系统设计及性能分析

针对可见光通信的3D定位与定向问题，提出了一种自适应参数与自适应变异粒子群优化的3D定位与定向方法。首先，分析了一种在复杂环境下的基于测距模型的混合3D可见光定位模型，并将定位问题转化为联合概率密度函数的优化问题。其次，通过计算粒子解与种群最优解之间的模糊贴近度，设计了一种自适应参数与自适应变异粒子群优化方法。最后，通过数学方法精确解析了所提3D可见光定位模型的定位与定向误差的理论下边界，即克拉-美罗（CramerRao）下界。结果表明，所提算法的时间复杂度较低，且定位与定向误差都非常接近Cramer-Rao下界，其平均定位与平均定向收敛误差分别为5.99 cm与6.65°，显著优于另外四种基于迭代的可见光定位算法。     

一种改进组合加权的TDOA室内二维定位算法

针对现有组合加权算法对定位区域边缘的目标定位时精度较低的问题,在现有组合加权算法的基础上提出了一种改进算法。首先,将基站分组,以到达时差算法得到目标位置的多个估计结果;其次,计算各估计结果之间距离值并排序,以滑动窗口法判断是否存在基站组出现异常定位估计;最后,当任意基站组的定位结果发生异常时,使用目标位置估计结果及其估计克拉美罗下界值设计两个加权步骤的权值,通过二步组合加权算法得到最终定位结果。仿真结果表明,所提算法有效减少了原组合加权算法对定位区域边缘的目标定位时的误差,当测量噪声标准差为0.8 m时,所提算法相较于原算法在正方形边缘区域定位均方根误差减小了0.35 m;在定位狭窄矩形区域时,所提算法平均定位均方根误差减小了0.11 m。