[发明专利]一种基于机器学习的高精度室内可见光定位方法

摘要

本发明公开一种基于机器学习的高精度室内可见光定位方法，利用由室内不同LED发出的定位参考信号到达定位终端的时间差(TDOA)构建数据特征，然后以待定位节点的物理坐标作为标签，建立输入样本。接着对神经网络模型进行机器学习，最后基于训练好的模型进行测试定位。充分考虑了室内定位环境实际场景，将传统的基于TDOA的定位方法与机器学习相结合，利用定位节点到发送定位参考信息的LED之间的信号时间差构建属性特征，并采用神经网络的机器学习算法求解。有效地提高了室内定位精度；有效地解决了室内可见光定位存在的遮挡效应，提高了系统应用的抗噪性和鲁棒性，同时降低了定位系统实现的复杂度。

主权项

1.一种基于机器学习的高精度室内可见光定位方法，其特征是，具体包括步骤如下：步骤1、样本定位节点采集布设在室内不同位置的LED所发出的定位参考信号，得到不同LED到达该样本定位节点的时间差，并利用时间差构建该样本定位节点的数据特征；步骤2、将预先已知的样本定位节点的物理坐标作为该样本定位节点的标签，并建立该样本定位节点的数据特征和标签的映射关系，得到该样本定位节点的样本数据；步骤3、利用多个样本定位节点的样本数据对神经网络模型进行机器学习，获得训练好的神经网络模型；步骤4、待定位定位节点采集布设在室内不同位置的LED所发出的定位参考信号，得到不同LED到达该待定位定位节点的时间差，并利用时间差构建该待定位定位节点的数据特征；步骤5、将待定位定位节点的数据特征输入到训练好的神经网络模型中，得到该待定位定位节点的物理位置。