融合角度特征的CNN可见光室内定位算法

作者：杨薇; 邵建华^*; 杜聪

来源：激光杂志, 2022, 43(01): 113-118.

DOI：10.14016/j.cnki.jgzz.2022.01.113

• 室内定位
• 位置指纹库
• 卷积神经网络
• 平均定位误差

针对可见光室内定位精度不高的问题,提出一种融合角度特征的卷积神经网络(Convolutional Neural Network, CNN)可见光室内定位算法。首先在基于接收信号强度(Received signal strength, RSS)的基础上,考虑到LED(Lighting Emitting Diode, LED)辐射角度对接收端PD(Photo Detector, PD)接收到的信号强度的影响,融合发送端和接收端之间的角度特征信息建立空间三角模型,构建基于角度特征值的位置指纹库,接着利用卷积神经网络模型,训练定位模型,预测待定位目标的位置,然后通过指纹库中的已知指纹点,计算定位误差,得到高精度的室内定位误差。最后在4 m×4 m×2.5 m实验空间中验证该算法,得到平均定位误差为4.16 cm,且定位误差累积分布在4.5 cm以内的概率为80%,在8 cm以内的概率为90%,定位误差稳定。

• 单位
  南京师范大学