本發(fā)明屬于移動通信技術(shù)和室內(nèi)定位領(lǐng)域，具體涉及一種在可見光通信場景中基于指紋匹配和可見光傳輸特性的三維定位方法。

背景技術(shù)：

近年來，位置信息服務(wù)得到了迅速的發(fā)展，基于全球定位系統(tǒng)(GPS,Global Positioning System)的室外定位技術(shù)已經(jīng)相當成熟。然而由于在室內(nèi)接收的GPS衛(wèi)星信號非常微弱甚至無法正常接收，使得室內(nèi)定位不得不放棄成熟可靠的GPS技術(shù)而尋求其他解決方案?，F(xiàn)在大多數(shù)的室內(nèi)定位解決方案都需要額外的布置定位錨節(jié)點，這增加了室內(nèi)定位系統(tǒng)的部署成本和普及難度；在基于WiFi(Wireless Fidelity)的室內(nèi)定位解決方案中，雖然WiFi無線接入點在室內(nèi)場景中得到了大量的部署，但是該解決方案的定位精度通常較低。

同時，固態(tài)照明技術(shù)正在改變著室內(nèi)照明的未來，白熾燈和熒光燈正在越來越多的被發(fā)光二極管(LED，Light Emitting Diode)所代替。LED具有能量轉(zhuǎn)換效率高、產(chǎn)生熱量少、使用壽命長以及綠色環(huán)保的優(yōu)點。此外，LED光源可以快速的改變發(fā)光強度，這就為高速的可見光通信提供了可能性?？梢姽馔ㄐ畔到y(tǒng)不僅保密性好、抗干擾能力強、隱蔽性強，而且不會有電磁干擾，能適用于人口密集以及某些射頻敏感的場合。再加上LED光源已經(jīng)在室內(nèi)場景中得到了大量的部署，使得基于可見光通信的室內(nèi)定位技術(shù)具有廣闊的應(yīng)用前景。

現(xiàn)階段常用的可見光定位技術(shù)主要有基于接收信號強度(RSS,Received Signal Strength)，到達時間(TOA,Time of Arrival)、到達時間差(TDOA,Time Difference of Arrival)、到達角度(AOA,Angle of Arrival)等方法。其中，由于室內(nèi)環(huán)境下的空間較小，可見光的傳播距離很短使得傳播時間極短，這就對收發(fā)設(shè)備的時鐘精度和同步性能提出了嚴苛的要求，因此TOA和TDOA技術(shù)很難實現(xiàn)。AOA技術(shù)往往需要圖像傳感器陣列，這使得定位成本變大。

技術(shù)實現(xiàn)要素：

發(fā)明目的：針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明公開了一種基于指紋匹配的可見光通信場景中三維定位方法，采用指紋匹配方法進行三維定位，并根據(jù)可見光的傳輸特性對定位結(jié)果進行修正并進一步精確估計接收端的三維位置坐標。

技術(shù)方案：一種基于指紋匹配的可見光通信場景中三維定位方法，包括如下步驟：

步驟1、在定位場景中布置發(fā)射節(jié)點和指紋采樣點，根據(jù)指紋采樣點處的信息建立RSS指紋庫；所述RSS指紋庫中每個RSS指紋數(shù)據(jù)包含指紋采樣點處的三維坐標、接收到的可見光發(fā)射節(jié)點ID信息、可見光接收信號強度、覆蓋號、可見光傳輸距離及對應(yīng)的傳輸距離修正因子；

步驟2、區(qū)域鎖定：根據(jù)接收端收到的可見光信息，在RSS指紋庫中進行搜索，得到與接收端接收到的可見光信息最接近的RSS指紋數(shù)據(jù)；以得到的RSS指紋數(shù)據(jù)為中心，選取鄰域半徑，鎖定搜索區(qū)域；

步驟3、迭代搜索：在搜索區(qū)域中，使用K近鄰迭代搜索，用指紋采樣點的傳輸距離修正因子作為實際位置上的距離修正因子，在傳輸距離構(gòu)成的向量空間中搜索最近鄰采樣點，搜索得到若干個最近鄰指紋采樣點；

步驟4、位置估計：對搜索得到的所有最近鄰指紋采樣點的三維坐標求均值，得到接收端的實際位置三維坐標估計值。

具體地，RSS指紋數(shù)據(jù)的覆蓋號c為：

其中M為定位場景中發(fā)射節(jié)點的個數(shù)；K為所述RSS指紋數(shù)據(jù)采樣點處同時接收到的可見光個數(shù)最大值；u_j為第j個發(fā)射節(jié)點的UID，w_j為第j個發(fā)射節(jié)點的覆蓋權(quán)重；t⁽ⁱ⁾為所述RSS指紋數(shù)據(jù)采樣點處接收到的第i個發(fā)射節(jié)點的UID。

具體地，步驟2中在RSS指紋庫中進行搜索具體包括如下步驟：

(21)根據(jù)接收端收到的可見光信息計算覆蓋號c_r；

(22)在RSS指紋庫中搜索覆蓋號與c_r相同的指紋采樣點，構(gòu)成集合S；

(23)遍歷集合S中的指紋采樣點，尋找使得RSS空間距離度量函數(shù)d_z(R_r,R_i)最小的點，所述RSS空間距離度量函數(shù)定義為：

其中為接收端接收到的K個可見光的接收信號強度構(gòu)成的向量；為RSS指紋采樣點處接收到的K個可見光的接收信號強度構(gòu)成的向量。

具體地，步驟3具體包括如下步驟：

(31)初始化迭代條件，將步驟(2)中搜索到的RSS指紋數(shù)據(jù)作為迭代初始條件，其傳輸距離修正因子作為傳輸距離修正因子估計值的初始值；

(32)用傳輸距離修正因子估計值對接收端接收到的傳輸距離向量D＝(d⁽¹⁾,d⁽²⁾,...,d^(K))進行修正，即D＝(d⁽¹⁾β⁽¹⁾,d⁽²⁾β⁽²⁾,...,d^(K)β^(K))，遍歷搜索區(qū)域中的RSS指紋采樣點，尋找此時的最近鄰采樣點：

其中d(D,D_i)為向量D和Di之間的歐氏距離，Di為搜索到的最近鄰RSS指紋采樣點的傳輸距離向量；

(33)用上一步搜索到的最近鄰RSS指紋采樣點的傳輸距離修正因子作為傳輸距離修正因子估計值重復(fù)步驟(32)，直至相鄰兩次迭代過程中的k值相等為止。

優(yōu)選地，發(fā)射節(jié)點采用時分復(fù)用的方式向接收端發(fā)送信息。

優(yōu)選地，指紋采樣點在定位場景中的三維空間上均勻分布。

有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明公開的三維定位方法具有以下優(yōu)點：通過指紋匹配的方法克服了基于可見光通信定位系統(tǒng)中傳輸函數(shù)難以測量以及傳輸距離難以估計的問題，通過引入覆蓋號的概念加快匹配搜索的速度，然后通過劃定鄰域并對傳輸距離和距離修正因子β的迭代估計來獲得K近鄰指紋采樣點，最后根據(jù)更為精確的K近鄰采樣點的坐標平均得到最終的定位結(jié)果估計，因此本發(fā)明中并不需要搜索所有的指紋采樣點數(shù)據(jù)，而是先通過覆蓋號的概念縮小范圍，再通過劃定鄰域進一步縮小范圍，最后在鄰域中運行迭代算法，因此不僅定位精度很高，而且定位算法復(fù)雜度也很小。

附圖說明

圖1為基于可見光通信的室內(nèi)定位場景圖；

圖2為基于指紋匹配的三維定位算法結(jié)構(gòu)框圖；

圖3為單發(fā)射端單接收端的可見光傳輸場景圖；

圖4為可見光接收功率隨輻射角度變化實測圖；

圖5為三維定位算法具體實施步驟的示意圖。

具體實施方式

下面結(jié)合附圖和具體實施方式，進一步闡明本發(fā)明。

一種基于指紋匹配的可見光通信場景中三維定位方法，如圖2所示，包括如下步驟：

步驟1、在定位場景中布置M個發(fā)射節(jié)點和N個指紋采樣點，本實施例中的定位場景如圖1所示，發(fā)射節(jié)點為照明設(shè)備，為了避免光源間的區(qū)間干擾可以采用時分復(fù)用的方式發(fā)送發(fā)射節(jié)點的信息；控制器用于對定位系統(tǒng)的全局配置，例如統(tǒng)一分配光源發(fā)送可見光信號的時隙等，網(wǎng)關(guān)用于轉(zhuǎn)發(fā)控制器的各種控制指令至目標光源，接收器解析出當前可見光信號中的數(shù)據(jù)以及RSS值然后發(fā)送給定位服務(wù)器端，定位服務(wù)器運行定位算法最終得到三維坐標估計；其中發(fā)射節(jié)點的布置應(yīng)盡量使得待定位區(qū)域內(nèi)存在多個可見光信號的重疊，而指紋采樣點采用均勻分布。

每個發(fā)射節(jié)點都有獨一無二的特定身份號(UID,Unique Identity)為u_i(i＝1,…,M)，每個u_i都對應(yīng)一個覆蓋權(quán)重w_i(i＝1,…,M)，可見光定位場景中每個位置一般只能接收到有限個具有不同UID的可見光信號，設(shè)同時接收到的UID個數(shù)最大值為K，定義接收端UID集合組成的向量為T＝(t⁽¹⁾,t⁽²⁾,…t^(K))，與此對應(yīng)的接收信號強度為R＝(r⁽¹⁾,r⁽²⁾,…r^(K))。

根據(jù)指紋采樣點處的信息建立RSS指紋庫；RSS指紋庫中每個RSS指紋數(shù)據(jù)包含指紋采樣點處的三維坐標L_i＝(x_i,y_i,z_i)、接收到的可見光發(fā)射節(jié)點ID信息T_i、可見光接收信號強度R_i、覆蓋號c_i、可見光傳輸距離D_i及對應(yīng)的傳輸距離修正因子β_i。

如圖3所示，當發(fā)射平面和接收平面平行時，接收可見光功率P可以表示為其中P₀是LED光源中心方向的光功率，α是輻射角，R(α)是隨輻射角而變化的衰減函數(shù)，可以通過測量獲得，某LED光源的R(α)測量結(jié)果如圖4所示，α輻射角從0開始變化時，可見光功率P從P₀衰減為P₀R(α)；d是可見光傳輸距離，即光源到接收端的距離。定義估計距離d＝βd′，其中傳輸距離修正因子d′是忽略光源輻射角和接收端入射角的影響而對傳輸距離進行的直接估計，可以表示為

RSS指紋數(shù)據(jù)的覆蓋號c為：

其中M為定位場景中發(fā)射節(jié)點的個數(shù)；K為所述RSS指紋數(shù)據(jù)采樣點處同時接收到的可見光個數(shù)最大值；u_j為第j個發(fā)射節(jié)點的UID，w_j為第j個發(fā)射節(jié)點的覆蓋權(quán)重；t⁽ⁱ⁾為所述RSS指紋數(shù)據(jù)采樣點處接收到的第i個發(fā)射節(jié)點的UID。

為了便于計算可以把覆蓋權(quán)重w_j設(shè)置為二進制表示中只有1位為1的數(shù)值，定義兩個覆蓋號之間的距離為它們的二進制表示中不同位的個數(shù)，則此時進行一次按位異或操作即可獲得覆蓋號之間的距離；只需要對兩個覆蓋號進行一次按位與或操作就可以找到所有需要計算距離的UID，而不需要對所有的M個UID進行遍歷。

首先，在離線階段對所有的指紋采樣點計算所有的覆蓋號，并以覆蓋號為索引構(gòu)建數(shù)據(jù)結(jié)構(gòu)，即通過覆蓋號可獲取一個所有具備相同覆蓋號的采樣點列表；其次，在在線階段根據(jù)所獲得的可見光RSS信息計算覆蓋號，通過查詢覆蓋號索引獲得所有具備相同覆蓋號的采樣點列表；最后，根據(jù)覆蓋號獲得該覆蓋號下所有的UID，并根據(jù)UID整理RSS向量，然后逐個計算與列表中采樣點之間的RSS空間距離度量函數(shù)，尋找最小值。

步驟2、區(qū)域鎖定：根據(jù)接收端收到的可見光信息，在RSS指紋庫中進行搜索，得到與接收端接收到的可見光信息最接近的RSS指紋數(shù)據(jù)；以得到的RSS指紋數(shù)據(jù)為中心，選取鄰域半徑，鎖定搜索區(qū)域；步驟2-步驟4的流程如圖5所示。

在RSS指紋庫中進行搜索具體包括如下步驟：

(21)根據(jù)接收端收到的可見光信息計算覆蓋號c_r；

(22)在RSS指紋庫中搜索覆蓋號與c_r相同的指紋采樣點，構(gòu)成集合S；

(23)遍歷集合S中的指紋采樣點，尋找使得RSS空間距離度量函數(shù)d_z(R_r,R_i)最小的點，所述RSS空間距離度量函數(shù)定義為：

其中為接收端接收到的K個可見光的接收信號強度構(gòu)成的向量；為RSS指紋采樣點處接收到的K個可見光的接收信號強度構(gòu)成的向量。

以得到的RSS指紋數(shù)據(jù)為中心，選取鄰域半徑，劃定一個包含實際空間位置的鄰域，該鄰域中的所有指紋采樣點進入下一步K近鄰迭代搜索。

步驟3、迭代搜索：在搜索區(qū)域中，使用K近鄰迭代搜索，用指紋采樣點的傳輸距離修正因子作為實際位置上的距離修正因子，在傳輸距離構(gòu)成的向量空間中搜索最近鄰采樣點，搜索得到若干個最近鄰指紋采樣點；

具體包括如下步驟：

(31)初始化迭代條件，將步驟(2)中搜索到的RSS指紋數(shù)據(jù)作為迭代初始條件，其傳輸距離修正因子作為傳輸距離修正因子估計值的初始值；

(32)用傳輸距離修正因子估計值對接收端接收到的傳輸距離向量D＝(d⁽¹⁾,d⁽²⁾,...,d^(K))進行修正，即遍歷搜索區(qū)域中的RSS指紋采樣點，尋找此時的最近鄰采樣點：

其中d(D,D_i)為向量D和D_i之間的歐氏距離，D_i為搜索到的最近鄰RSS指紋采樣點的傳輸距離向量；

(33)用上一步搜索到的最近鄰RSS指紋采樣點的傳輸距離修正因子作為傳輸距離修正因子估計值重復(fù)步驟(32)，直至相鄰兩次迭代過程中的k值相等為止。

步驟4、位置估計：對搜索得到的所有最近鄰指紋采樣點的三維坐標求均值，得到接收端的實際位置三維坐標估計值。

例如選擇到的3個最近鄰分別為i，j和k采樣點，則最終的坐標輸出為：