[发明专利]一种多PD结构的抗NLOS干扰可见光定位方法

说明书

本发明公开了一种基于线性回归模型的抗NLOS干扰可见光室内定位方法。传统的基于RSSI的可见定定位因为无法考虑NLOS干扰的强度，其精度严重受NLOS干扰影响，本发明利用线性回归模型，用PD接收到多个LED信号强度来对NLOS干扰强度进行估计，从而消除NLOS干扰带来的影响，有效提高定位精度。

技术领域

本发明属于室内定位技术领域，具体涉及一种抗NLOS干扰的可见光定位方法。

背景技术：

近年来，随着LED在照明、通信和传感技术等各个领域的广泛应用，可见光通信具有同时用于照明和通信的优势，被认为是极具发展潜力和应用前景的技术。在基于可见光通信(VLC)的各种应用中，可见光室内定位系统与现有的定位技术相比具有许多优点，成为研究的热点。VLC定位技术有如下优点：首先，VLC技术使用LED作为光源，用于定位的同时又可提供照明，而且几乎不需多余的功率消耗。其次，基于VLC的定位系统不需要占用射频资源，从而不用考虑频率干扰，可以部署在射频辐射被严格限制的环境中(如医院)。最后，因VLC系统受到多径效应较少，并且方向性强，所以比无线电波能提供更高的定位精度。

在各种可见光室内定位方法中，几何定位法成本最低，实现起来也最为简单，但其定位精度易受NLOS干扰的影响，针对上述干扰问题，基于机器学习的VLC指纹定位法被大量采用，如“一种基于人工神经网络的高精度室内可见光定位方法(申请号CN201610663244.7)”，这类方法直接利用多个接受信号强度来对位置进行估计，取得了较好的效果，但需要采集足够多的数据进行训练，安装复杂，对定位环境变化异常敏感，且训练效果会直接影响定位精度。

因此，本发明用一种多PD结构的抗NLOS干扰可见光方法，再提高定位精度的同时，降低系统的安装复杂度。

发明内容：

本发明提出了一种适用于室内AGV的定位方法，其特征在于包含以下步骤：1)分别利用可见光通信定位和惯导定位获得AGV的位置信息；2)对各组位置信息分别进行滤波处理，得到不同的位置估计值和方差；3)根据方差计算两组位置估计的权重值，从而得到优化后的位置估计值及其方差。

本发明还提出了一种AGV协同定位优化方法，其特征在于包含以下步骤：1)相邻AGV对该AGV的位置信息进行观测，并对其进行滤波处理得到一组相对位置估计值和方差；2)将自身位置估计值及其方差分别加上相对位置估计值及其方差，得到相邻AGV对该AGV的位置测量估计值及其方差，并将测量估计值及其方差传输给该AGV；3)利用惯导数据，对相邻AGV传送的位置信息进行延迟补偿；4)利用各AGV的位置估计值方差计算权重，而后对该AGV的位置信息进行优化，从而实现多AGV协同定位。

优选的，对两组定位信息的优化步骤包括：对定位数据进行滤波处理得到位置估计值及其方差P_s；权重计算公式：权重调整因子选取：α取值越大，越能抵制稳定性差的位置估计方法；位置及其方差优化算法：

优选的，对多AGV定位信息的优化步骤包括：对相对位置数据进行滤波处理得到相对位置估计值及其方差P_Di；计算对相邻AGV位置测量估计值及其方差：P_i＝P_s+P_Di；延时补偿方法：根据当时相邻AGV观测的与其自身的坐标偏差，结合惯导数据相邻AGV的观测值进行修正；多AGV协同定位的权重计算：α取1；多AGV协同定位的位置估算算法：

附图说明：

图1是本发明一种实施例所述的可见光定位方法流程示意图；

图2是本发明一种实施例所述的接收模块多PD阵列结构示意图；

图3是本发明一种实施例所述的室内场景可见光定位的实例模型的示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。