一种基于神经网络的可见光室内定位系统及方法技术方案

本发明专利技术公开了一种基于神经网络的可见光室内定位系统及方法，包括：搭建硬件的可见光收发模型，采用STM32单片机作为控制芯片构成的微控电路。首先单片机对LED的ID进行脉宽编码，然后经过时分复用发送给驱动电路放大，驱动LED发送光信号，避免多光源间干扰，接收端，探测器把接收到的光信号送给放大电路进行放大，然后送至单片机A/D端口进行解码与测压；得到解码后的坐标和测压转化后的距离。通过RSSI及三点定位得到解码后的坐标和测压转化后的距离。再经过神经网络模型进行学习反馈，提高定位精确度。定位精确度。定位精确度。

A visible light indoor positioning system and method based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的可见光室内定位系统及方法


[0001]本专利技术涉及可见光室内定位领域，具体涉及一种基于神经网络的可见光室内定位系统及方法。

技术介绍

[0002]随着室内环境复杂度的增加，人们对位置信息的需求越来越高。全球定位系统(GPS)的定位技术在室外定位中已经趋于成熟，但是室内环境中无线电信号被建筑物阻挡，使得接收信号较弱，从而导致定位精度不能满足室内标准，因此GPS等卫星定位技术难以适用于室内环境。目前常见的室内定位技术有超声波定位技术、红外定位技术、无线局域网(WIFI)定位技术和蓝牙定位技术等。超声波定位技术根据回波与发射波之间的时间差进行测距，具有很高的定位精度，但是需要在空间布置大量的测量设备，定位成本较高；蓝牙定位技术通过测量接收信号的强度进行定位，适合短距离、小范围定位，但是稳定性差；WIFI定位技术通过测量用户到无线热点的距离进行定位，易受其他信号的干扰，而且定位器的能耗也比较高；红外定位技术的定位精度高，但是传播距离短、系统成本较高，因此发展受到一定的限制。
[0003]可见光室内定位是利用LED灯发出高速明暗闪烁的信号来传递信息，通过微控单元将存储的坐标位置数据快速编码成LED光信息，通过接收端的光电器件接收信号并将光信号转化为电信号，最后对解调出的数据进行计算并给出接收机的实际位置。具有功耗低，VLC室内定位系统以发光二极管(LED)为光源，LED具有寿命长、功耗低、尺寸小和绿色环保等优点；定位精度高，LED兼顾照明条件，遍布室内，接收信号比较强，而且定位系统稳定性好；成本低，VLC室内定位依托于室内LED的天然条件，不需要额外布置特殊的发射点，降低了设备和人工维护费用；应用场合广泛，LED的普及和无电磁干扰的优势使得VLC室内定位能够应用于许多苛刻的场合等优点。可见光通信(VLC)室内定位技术将照明与通信相结合。相比传统的室内无线定位手段，VLC室内定位技术具有绿色节能环保、成本低廉、无电磁干扰、定位精度高和应用场合广泛等优势，具有广阔的应用前景。

技术实现思路

[0004]本专利技术的目的在于提供一种基于神经网络的可见光室内定位系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上诉目的，本专利技术提供如下技术方案：一种基于神经网络的可见光室内定位系统及方法，包括如下步骤：
[0006]S1：可见光收发模型构建；
[0007]S2：RSSI及三点定位接收处理；
[0008]S3：构建神经网络模型；
[0009]S4：利用权重大小对得到的接收信号进行学习反馈；
[0010]所述步骤S1具体包括以下步骤：
[0011]S1.1：发送端是采用STM32单片机作为控制芯片构成的微控电路；
[0012]S1.2：单片机对LED的ID进行脉宽编码，然后经过时分复用发送给驱动电路放大，驱动LED发送光信号；
[0013]S1.3：接收端，探测器把接收到的光信号送给放大电路进行放大，然后送至单片机A/D端口进行解码与测压；
[0014]所述步骤S2中通过RRSI及三点定位算法对接收信号进行处理，具体定义如下：
[0015]基于RSSI的三点定位算法，是已知三个点的坐标和未知点到这三个点的RSSI的信号值，求解未知点的坐标。首先是将RSSI信号转换为距离：
[0016]d＝10^((ABS(RSSI)
‑
A)/(10*n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0017]其中d为距离，单位是m。RSSI为rssi信号强度，为负数。A为距离探测设备1m时的rssi值得绝对值，最佳范围在45
‑
49之间。n为环境衰减因子，需要测试矫正，最佳范围在3.25
‑
4.5之间。
[0018]在获取未知点到三个点的距离后，剩下的就是求解未知点坐标。平面上有三个不共发送端的空间坐标为O1(a1，b1，c1)、O2(a2，b2，c2)和O3(a3，b3，c3)；接收端P到投影点的距离线的基站A，B，C，和一个未知终端D，并已测出三个基站到终端D的距离分别为R1，R2，R3，则以三个基站坐标为圆心，三基站到未知终端距离为半径可以画出三个相交的圆假设：给定3个分别为d1、d2、d3，则可根据空间坐标几何关系列出多组距离公式，从而得到接收端P(x，y，z)的估计坐标点。
[0019](a1
‑
x)^2+(b1
‑
y)^2+(C1
‑
z)^2＝R1^2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0020](a2
‑
x)^2+(b2
‑
y)^2+(C2
‑
z)^2＝R2^2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0021](a3
‑
x)^2+(b3
‑
y)^2+(C3
‑
z)^2＝R3^2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)所述步骤S3神经网络模型模型构建采用深度学习算法，具体步骤如下：
[0022]S3.1：通过迭代性来处理训练集中的实例，对比经过神经网络后，输入层预测值与真实值之间的误差，再通过反向法(从输出层到隐藏层到输入层)以最小化误差来更新每个连接的权重。
[0023]S3.2：输入数据集D，初始化权重和偏向：随机初始化在
‑
1到1之间，或者
‑
0.5到0.5之间，每个单元有一个偏向；
[0024]S3.3：由输入层向前传送，要对其进行非线性转化，为下一单元的值；
[0025]S3.4：根据误差反向传送，终止条件：权重的更新低于某个阈值；预测的精确度低于某个阈值；达到预设一定的循环次数。
附图说明
[0026]图1为本专利技术的可见光收发模型示意图。
[0027]图2为本专利技术可见光定位图。
[0028]图3为本专利技术中一种基于神经网络的可见光室内定位系统及方法算法学习图。
具体实施方式
[0029]实施例：
[0030]本专利技术提供如下技术方案：一种基于神经网络的可见光室内定位系统及方法，包
括如下步骤：
[0031]S1：可见光收发模型构建；
[0032]S2：RSSI及三点定位接收处理；
[0033]S3：构建神经网络模型；
[0034]S4：利用权重大小对得到的接收信号进行学习反馈；
[0035]所述步骤S1具体包括以下步骤：
[0036]S1.1：发送端是采用STM32单片机作为控制芯片构成的微控电路；
[0037]S1.2：单片机对LED的ID进行脉宽编码，然后经过时分复用发送给驱动电路放大，驱动LED发送光信号；
[0038]S1.3：接收端，探测器把接收到的光信号送给放大电路进行放大，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的可见光室内定位系统及方法，其特征在于，包括：硬件方面可基本分为发送端和接收端；发送端是采用STM32单片机作为控制芯片构成的微控电路；首先单片机对LED的ID进行脉宽编码，然后经过时分复用发送给驱动电路放大，驱动LED发送光信号，避免多光源间干扰，接收端，探测器把接收到的光信号送给放大电路进行放大，然后送至单片机A/D端口进行解码与测压；基于RSSI及三点定位得到解码后的坐标和测压转化后的距离；再经过神经网络模型进行学习反馈，提高定位精确度。2.根据权利要求1所述的一种基于神经网络的可见光室内定位系统及方法，其特征在于，包括如下步骤：S1：可见光收发模型构建；S2：RSSI及三点定位接收处理；S3：构建神经网络模型；S4：利用权重大小对得到的接收信号进行学习反馈。3.根据权利要求2所述的一种基于神经网络的室内定位系统及方法，其特征在于，所述步骤S1具体包括以下步骤：S1.1：发送端是采用STM32单片机作为控制芯片构成的微控电路；S1.2：单片机对LED的ID进行脉宽编码，然后经过时分复用发送给驱动电路放大，驱动LED发送光信号；S1.3：接收端，探测器把接收到的光信号送给放大电路进行放大，然后送至单片机A/D端口进行解码与测压。4.根据权利要求2所述的一种基于神经网络的室内定位系统及方法，其特征在于：所述步骤S2中通过RRSI及三点定位算法对接收信号进行处理，具体定义如下：基于RSSI的三点定位算法，是已知三个点的坐标和未知点到这三个点的RSSI的信号值，求解未知点的坐标；首先是将RSSI信号转换为距离：d＝10^((ABS(RSSI)
‑
A)/(10*n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中d为距离，单位是m；RSSI为rssi信号强度，为负数；A为距离探测设备1m时的rssi值得绝对值，最佳范围在45
‑
49之间；n为环境衰减因子，需要测试矫正，最佳范围在3.25
‑
4.5之间；在获取未知点到三个点的距离后...

【专利技术属性】
技术研发人员：杨鹏，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：