基于稀疏度自适应和位置指纹的可见光定位算法

发布时间：2021-05-25 08:07

　　基于可见光通信的指纹定位,提出一种低复杂度、稀疏度自适应的压缩感知算法。首先,利用位置指纹的稀疏性,将定位问题转换为稀疏矩阵的重构问题。其次,根据重构的残差值,自适应地计算近邻值。最后,详细分析指纹采样间距、信噪比、调制带宽及发射功率对定位误差的影响,详细分析所提定位算法的时间复杂度、最优近邻值的分布、发光二极管个数及最大近邻指纹数对定位误差的影响。仿真结果表明,所提定位算法的平均计算时间低、定位误差小,当信噪比为10 dB,指纹点之间的间距为40 cm时,所提定位算法的平均定位误差为1.56 cm,显著低于现有的同类算法。 

【文章来源】：光学学报. 2020,40(18)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
1 引 言
2 压缩感知的基本理论
3 LCSACS算法设计
    3.1 指纹定位模型
    3.2 测量矩阵
    3.3 观测向量
    3.4 LCSACS算法描述
    3.5 LCSACS算法的时间复杂度分析
4 仿真分析
    4.1 Lambertian辐射模型
    4.2 参数设置
    4.3 结果分析
        1) 定位误差的累积分布函数(CDF)
        2) 信噪比RSN的影响
        3) 指纹采样间距S对平均定位误差的影响
        4) 等效噪声带宽B对平均定位误差的影响
        5) 发射功率Ptr对平均定位误差的影响
        6) LCSACS算法的最优K值分布
        7) Kmax值对平均定位误差的影响
        8) LED个数M对平均定位误差的影响
        9) 计算复杂度分析
5 结 论


【参考文献】：
期刊论文
[1]基于正交频分复用调制的可见光通信指纹匹配定位算法[J]. 徐世武,吴怡,苏国栋.  激光与光电子学进展. 2019(09)
[2]基于距离测量和位置指纹的室内定位方法研究[J]. 李方敏,张韬,刘凯,刘果,马小林.  计算机学报. 2019(02)
[3]基于免疫算法的高精度室内可见光三维定位系统[J]. 王鹏飞,关伟鹏,文尚胜,谢勇坚,吴玉香,张美琦.  光学学报. 2018(10)
[4]基于指纹的室内可见光定位方法[J]. 赵楚韩,张洪明,宋健.  中国激光. 2018(08)



本文编号：3204995