一种基于卡尔曼滤波的可见光动态定位方法技术

本发明专利技术公开了一种基于卡尔曼滤波的可见光动态定位方法，包括以下步骤：LED阵列发送ID信息；接收端利用接收到LED阵列发送的ID信息和接收信号强度得到二维位置信息，实现初步定位；获取接收端的运动状态信息，包括速度信息，加速度信息；利用获得的数据，分别建立状态模型和观测模型；根据卡尔曼滤波方程，利用所得模型和前一次状态的估计值来预测和修正，得到当前状态的最优估计值，并与当前状态观测值比较，实现动态定位；输出当前动态定位状态的最优估计值。本发明专利技术通过采用卡尔曼滤波，提高了可见光的动态定位精度，实现接收端的追踪导航。

【技术实现步骤摘要】
一种基于卡尔曼滤波的可见光动态定位方法
本专利技术涉及室内定位领域，尤其涉及一种基于卡尔曼滤波的可见光动态定位方法。
技术介绍
随着时代的发展，室内定位技术在机器人定位导航、大型商场导购、大型工厂机器追踪等领域得到了广泛应用，成为重点研究对象之一。尽管全球定位系统(GPS)在室外环境中能够实现较高精度的定位，但在室内环境下，由于多径衰落的影响、其他无线设备的干扰以及建筑物的遮挡，GPS信号在室内被严重削弱，导致GPS定位精度低，稳定性差。为满足室内定位需求，国内外各机构展开了大量研究，涌现了很多新的定位技术，如红外线、超声波、蓝牙、超宽带、射频识别、Wi‐Fi等室内无线定位技术。然而，大多数基于无线通信的定位系统容易受到电磁干扰的影响，需要搭建复杂的定位设施环境，不仅成本高，定位精度和安全性也得不到有效保障。目前，LED在室内外照明系统中得到了广泛应用，具有电压低、功率低、寿命长和易于小型化等优点；同时，白光LED具有高速调制及响应时间短等特性，从而使得LED的应用从照明领域扩展到通讯领域，能够同时实现照明和通信功能。基于白光LED的可见光通信(VLC)具有无电磁干扰、附加模块少、保密性好等优点。因此，将可见光应用于室内定位系统被视为有效的选择。近期，可见光定位技术飞速发展，定位精度已达到厘米级别。然而，多数可见光定位系统是静态定位，在定位目标运动的情况下，很难达到较高的定位精度，难以满足动态定位精度需求。
技术实现思路
为克服现有技术的不足，本专利技术提出了一种基于卡尔曼滤波的可见光动态定位方法，该方法通过采用卡尔曼滤波，提高了可见光的动态定位精度，实现接收端的追踪导航。为达到上述目的，本专利技术采用的技术方案如下：一种基于卡尔曼滤波的可见光动态定位方法，包括以下步骤：步骤1、LED阵列发送身份识别信息；步骤2、接收端利用接收到LED阵列发送的身份识别信息和接收信号强度得到二维位置信息(x，y)，实现初步定位；步骤3、获取接收端的运动状态信息，包括速度信息(vx,vy)，加速度信息(ax,ay)；步骤4、利用步骤2和3获得的数据，分别建立状态模型和观测模型；步骤5、根据卡尔曼滤波方程，利用步骤4所得模型和前一次状态的估计值来预测和修正，得到当前状态的最优估计值，并与当前状态观测值比较，实现动态定位；步骤6、输出当前动态定位状态的最优估计值。具体地，步骤1所述的身份识别信息原始ID信息经过通断键控调制形成调制信号。具体地，步骤2包括以下步骤：步骤21、接收端的光电器件接收LED阵列发送的身份识别信息，检测不同LED的接收信号强度；步骤22、解码接收到的身份识别信息，并计算接收端到LED阵列中各LED的距离；步骤23、根据步骤22所得信息，运用接收信号强度三角定位算法得到接收端的二维坐标。具体地，步骤3所述运动状态信息由陀螺仪、加速度传感器、方向传感器获得。具体地，步骤4所述状态模型表示为：X(k)＝A*X(k-1)+W(k-1)式中，X(k)＝[x,y,vx,vy,ax,ay]T为k时刻系统的状态变量，A为系统6×6维状态转移矩阵，X(k-1)为(k-1)时刻接收端的状态变量，W(k-1)为(k-1)时刻系统过程噪声。具体地，步骤4所述观测模型表示为：Y(k)＝H*X(k)+V(k)Y(k)＝[x′,y′,vx′,vy′,ax′,ay′]T为表示k时刻系统观测变量，X(k)＝[x,y,x,vy,vx,ay]T为k时刻系统的状态变量，H为系统6×6维观测矩阵，V(k)为k时刻系统观测噪声。具体地，步骤5中，预测过程如下：其中，为k时刻预测状态变量，A为系统6×6维状态转移矩阵，为(k-1)时刻滤波最优估计状态变量，为k时刻预测估计值的协方差矩阵，P(k-1)为(k-1)时刻滤波估计状态向量的协方差矩阵，Q(k-1)为系统过程噪声W(k-1)的协方差矩阵。具体地，步骤5中，修正过程如下：Kg(k)＝P(k)*H*R(k)-1其中，Kg(k)为k时刻的滤波增益矩阵，P(k)为k时刻滤波估计状态向量的协方差矩阵，H为系统6×6维观测矩阵，R(k)为系统观测噪声V(k的协方差矩阵，为k时刻预测估计值的协方差矩阵，为k时刻滤波最优估计状态变量，为k时刻预测状态变量，Y(k)＝[x′,y′,vx′,vy′,ax′,ay′]T为k时刻系统观测变量。本专利技术对于现有技术具有如下的优点及效果：本专利技术只需要知道初始时刻的状态值和每个时刻的观测值，就能计算出每个时刻的最优估计值，通过卡尔曼滤波器将位置、速度、加速度信息融合起来，并且通过预测与更新来消除噪声，从而达到提高动态定位精度的目的。附图说明图1为可见光定位的原理示意图图2为基于卡尔曼滤波的可见光动态定位方法步骤框图图3为接收端移动平面示意图具体实施方式下面结合实施例及附图对本专利技术做进一步详细的解释，但本专利技术的实施方式不限于此。实施例目前现有技术的动态定位精度差，原因主要是接收端在移动过程中接收的信号掺了大量的噪声。要提高动态定位精度，可利用卡尔曼滤波器滤去噪声。卡尔曼滤波是一种递归估计,通过前一个时刻的最优估计值和当前的观测值就可以得到当前状态的最优估计值。图1示出了一种基于卡尔曼滤波的可见光动态定位方法的系统模型。根据模型要求，室内需布置3盏以上的LED灯具，这些灯具构成LED阵列，LED阵列发送信号，接收端接收后，经过信号处理得到接收端的位置信息。本实施例的可见光动态定位方法在动态定位初始阶段，将系统初次定位结果、速度信息、加速度信息设为系统初始值，接收端移动一定距离后，接收端通过接收信号强度三角定位方法进行初步定位，同时获取接收端的运动信息，作为当前时刻的观测值，输入到卡尔曼滤波器当中，经过预测和修正，得到当前状态的最优估计值，经过一定时间后，再次定位，如此重复，从而实现动态定位。如图2所示，本实施例的可见光动态定位方法包括如下步骤：步骤1、LED阵列发送ID(身份识别)信息。具体地，初始的ID信息经过OOK(On‐OffKeying，OOK，通断键控)调制后，形成调制信号，调制信号再经过驱动电路驱动LED灯发射可见光信号。步骤2、接收端利用接收到的ID信息和接收信号强度实现初步定位，从而得到二维位置信息(x,y)。具体地，接收端的光电检测器件检测接收光强，解码，得到三个LED信息，通过相应公式计算得到接收端到三个LED的距离。根据已知信号，运用三角定位算法得到接收端的二维坐标。步骤3、获取接收端的运动状态信息，包括速度信息(vx,vy)，加速度信息(ax,ay)。具体地，运动信息由接收端的陀螺仪、加速度传感器、方向传感器得到。步骤4、利用步骤2和3获得数据，分别建立状态模型和观测模型。具体地，在本例中，接收端的运动模型是线性的，则有：式中，X(k)＝[x,y,vx,vy,ax,ay]T为k时刻系统的状态变量，为系统状态转移矩阵，X(k-1)为(k-1)时刻接收端的状态变量，W(k-1)为(k-1)时刻系统过程噪声，Y(k)＝[x′,y′,vx′,vy′,ax′,ay′]T为k时刻系统观测变量，为系统的观测矩阵，V(k)为k时刻系统观测噪声。步骤5、根据卡尔曼滤波方程，利用步骤4所得模型和前一次状态的估计值来预测当前状态的最优估计值，并与当前状态观测值比较，实现动态本文档来自技高网...

【技术保护点】
1.一种基于卡尔曼滤波的可见光动态定位方法，其特征在于，包括以下步骤：步骤1、LED阵列发送身份识别信息；步骤2、接收端利用接收到LED阵列发送的身份识别信息和接收信号强度得到二维位置信息(x，y)，实现初步定位；步骤3、获取接收端的运动状态信息，包括速度信息(vx,vy)，加速度信息(ax,ay)；步骤4、利用步骤2和3获得的数据，分别建立状态模型和观测模型；步骤5、根据卡尔曼滤波方程，利用步骤4所得模型和前一次状态的估计值来预测和修正，得到当前状态的最优估计值，并与当前状态观测值比较，实现动态定位；步骤6、输出当前动态定位状态的最优估计值。

【技术特征摘要】
1.一种基于卡尔曼滤波的可见光动态定位方法，其特征在于，包括以下步骤：步骤1、LED阵列发送身份识别信息；步骤2、接收端利用接收到LED阵列发送的身份识别信息和接收信号强度得到二维位置信息(x，y)，实现初步定位；步骤3、获取接收端的运动状态信息，包括速度信息(vx,vy)，加速度信息(ax,ay)；步骤4、利用步骤2和3获得的数据，分别建立状态模型和观测模型；步骤5、根据卡尔曼滤波方程，利用步骤4所得模型和前一次状态的估计值来预测和修正，得到当前状态的最优估计值，并与当前状态观测值比较，实现动态定位；步骤6、输出当前动态定位状态的最优估计值。2.根据权利要求1所述的基于卡尔曼滤波的可见光动态定位方法，其特征在于，步骤1所述的身份识别信息原始ID信息经过通断键控调制形成调制信号。3.根据权利要求1所述的基于卡尔曼滤波的可见光动态定位方法，其特征在于，步骤2包括以下步骤：步骤21、接收端的光电器件接收LED阵列发送的身份识别信息，检测不同LED的接收信号强度；步骤22、解码接收到的身份识别信息，并计算接收端到LED阵列中各LED的距离；步骤23、根据步骤22所得信息，运用接收信号强度三角定位算法得到接收端的二维坐标。4.根据权利要求1所述的基于卡尔曼滤波的可见光动态定位方法，其特征在于，步骤3所述运动状态信息由陀螺仪、加速度传感器、方向传感器获得。5.根据权利要求1所述的基于卡尔曼滤波的可见光动态定位方法，其特征在于，步骤4所述状态模型表示为：X(k)＝A*X(k-1)+W(k-1)式中，X(k...

【专利技术属性】
技术研发人员：吴玉香，刘幸烽，关伟鹏，谢灿宇，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44