【技术实现步骤摘要】
一种基于极限学习机的可见光定位方法
本专利技术涉及可见光定位领域，尤其涉及一种基于极限学习机的可见光定位方法。
技术介绍
随着位置服务的不断发展，对于定位的需求越来越高。全球定位系统(GPS)广泛应用于室外定位，定位精度达到了几米。由于卫星信号在室内受到墙壁遮挡，信号衰减较为严重，再加上多径传播的影响，定位误差较大。WIFI室内定位精度在1-5米，且容易受到室内环境的影响，定位精度不够高，多采用指纹法，比较复杂。超宽带定位精度高，但是需要昂贵的设备。射频识别(RFID)技术需要标签进行定位，增加了成本和复杂度。红外、蓝牙等容易受到信号源波动的影响。LED光源具有能源效率高，使用寿命长，成本低等优点，基于LED的可见光通信具有丰富的可见光频谱资源，设备简单，无电磁干扰，安全保密等优点，可用于照明，通信，定位等领域以及医院等电磁受限的场所。因此基于可见光通信的定位得到了应用。基于可见光通信的定位技术主要分为以光电探测器和图像传感器为接收端的定位，从系统设备复杂度和定位精度考虑，选择以光电探测器和接收信号强度进行定位。在漫反射光信道中，可见光信号的传播形式有视距传播，一...
【技术保护点】
1.一种基于极限学习机的可见光定位方法，其特征在于，所述方法包括以下步骤：建立可见光通信模型、可见光信道的仿真模型以及极限学习机神经网络模型。其中神经网络模型包括两个阶段；训练阶段：将光电探测器接收的来自每个LED灯的总电功率归一化到[‑1,1]区间后作为输入，对应的位置坐标作为输出，建立训练样本集，进行ELM神经网络训练；测试阶段：采集测试位置处的光电探测器接收的来自每个LED灯的总电功率；将采集到的来自每个LED灯的总电功率归一化到[‑1,1]区间，以归一化的各个LED灯的电功率作为输入，其相应的位置坐标作为输出，建立测试样本集，输入到已经训练好的ELM神经网络中；通过...
【技术特征摘要】
1.一种基于极限学习机的可见光定位方法，其特征在于，所述方法包括以下步骤：建立可见光通信模型、可见光信道的仿真模型以及极限学习机神经网络模型。其中神经网络模型包括两个阶段；训练阶段：将光电探测器接收的来自每个LED灯的总电功率归一化到[-1,1]区间后作为输入，对应的位置坐标作为输出，建立训练样本集，进行ELM神经网络训练；测试阶段：采集测试位置处的光电探测器接收的来自每个LED灯的总电功率；将采集到的来自每个LED灯的总电功率归一化到[-1,1]区间，以归一化的各个LED灯的电功率作为输入，其相应的位置坐标作为输出，建立测试样本集，输入到已经训练好的ELM神经网络中；通过神经网络的计算，得到接收端的位置，完成定位。2.根据权利要求1所述的一种基于极限学习机的可见光定位方法，其特征在于，所述可见光信道的仿真模型包括：视距传播直流增益模型、一阶反射直流增益模型、噪声信号模型。3.根据权利要求2所述的一种基于极限学习机的可见光定位方法，其特征在于，所述视距传播直流增益模型具体为：其中，A是光电探测器的物理面积，m是朗伯阶数，Dd是发送端和接收端之间的距离，φ是辐射角，ψ是入射角，ψc是接收端的视场角，Ts(ψ)是光学滤波器的增益，g(ψ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。