CN106646368B - 一种基于指纹匹配的可见光通信场景中三维定位方法 - Google Patents
一种基于指纹匹配的可见光通信场景中三维定位方法 Download PDFInfo
- Publication number
- CN106646368B CN106646368B CN201611252650.0A CN201611252650A CN106646368B CN 106646368 B CN106646368 B CN 106646368B CN 201611252650 A CN201611252650 A CN 201611252650A CN 106646368 B CN106646368 B CN 106646368B
- Authority
- CN
- China
- Prior art keywords
- rss
- fingerprint
- sampled point
- search
- visible light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/114—Indoor or close-range type systems
- H04B10/116—Visible light communication
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于指纹匹配的可见光通信场景中三维定位方法,包括如下步骤:1、在定位场景中布置发射节点和指纹采样点,建立RSS指纹库;2、区域锁定:根据接收端收到的可见光信息,在RSS指纹库中进行搜索,得到与接收端接收到的可见光信息最接近的RSS指纹数据;以得到的RSS指纹数据为中心,锁定搜索区域;3、迭代搜索:在搜索区域中,使用K近邻迭代搜索,在传输距离构成的向量空间中搜索最近邻采样点,搜索得到若干个最近邻指纹采样点;4、位置估计:对搜索得到的所有最近邻指纹采样点的三维坐标求均值,得到接收端的实际位置三维坐标估计值。该方法定位精度高,且定位算法复杂度小。
Description
技术领域
本发明属于移动通信技术和室内定位领域,具体涉及一种在可见光通信场景中基于指纹匹配和可见光传输特性的三维定位方法。
背景技术
近年来,位置信息服务得到了迅速的发展,基于全球定位***(GPS,GlobalPositioning System)的室外定位技术已经相当成熟。然而由于在室内接收的GPS卫星信号非常微弱甚至无法正常接收,使得室内定位不得不放弃成熟可靠的GPS技术而寻求其他解决方案。现在大多数的室内定位解决方案都需要额外的布置定位锚节点,这增加了室内定位***的部署成本和普及难度;在基于WiFi(Wireless Fidelity)的室内定位解决方案中,虽然WiFi无线接入点在室内场景中得到了大量的部署,但是该解决方案的定位精度通常较低。
同时,固态照明技术正在改变着室内照明的未来,白炽灯和荧光灯正在越来越多的被发光二极管(LED,Light Emitting Diode)所代替。LED具有能量转换效率高、产生热量少、使用寿命长以及绿色环保的优点。此外,LED光源可以快速的改变发光强度,这就为高速的可见光通信提供了可能性。可见光通信***不仅保密性好、抗干扰能力强、隐蔽性强,而且不会有电磁干扰,能适用于人口密集以及某些射频敏感的场合。再加上LED光源已经在室内场景中得到了大量的部署,使得基于可见光通信的室内定位技术具有广阔的应用前景。
现阶段常用的可见光定位技术主要有基于接收信号强度(RSS,Received SignalStrength),到达时间(TOA,Time of Arrival)、到达时间差(TDOA,Time Difference ofArrival)、到达角度(AOA,Angle of Arrival)等方法。其中,由于室内环境下的空间较小,可见光的传播距离很短使得传播时间极短,这就对收发设备的时钟精度和同步性能提出了严苛的要求,因此TOA和TDOA技术很难实现。AOA技术往往需要图像传感器阵列,这使得定位成本变大。
发明内容
发明目的:针对现有技术中存在的问题,本发明公开了一种基于指纹匹配的可见光通信场景中三维定位方法,采用指纹匹配方法进行三维定位,并根据可见光的传输特性对定位结果进行修正并进一步精确估计接收端的三维位置坐标。
技术方案:一种基于指纹匹配的可见光通信场景中三维定位方法,包括如下步骤:
步骤1、在定位场景中布置发射节点和指纹采样点,根据指纹采样点处的信息建立RSS指纹库;所述RSS指纹库中每个RSS指纹数据包含指纹采样点处的三维坐标、接收到的可见光发射节点ID信息、可见光接收信号强度、覆盖号、可见光传输距离及对应的传输距离修正因子;
步骤2、区域锁定:根据接收端收到的可见光信息,在RSS指纹库中进行搜索,得到与接收端接收到的可见光信息最接近的RSS指纹数据;以得到的RSS指纹数据为中心,选取邻域半径,锁定搜索区域;
步骤3、迭代搜索:在搜索区域中,使用K近邻迭代搜索,用指纹采样点的传输距离修正因子作为实际位置上的距离修正因子,在传输距离构成的向量空间中搜索最近邻采样点,搜索得到若干个最近邻指纹采样点;
步骤4、位置估计:对搜索得到的所有最近邻指纹采样点的三维坐标求均值,得到接收端的实际位置三维坐标估计值。
具体地,RSS指纹数据的覆盖号c为:
其中M为定位场景中发射节点的个数;K为所述RSS指纹数据采样点处同时接收到的可见光个数最大值;uj为第j个发射节点的UID,wj为第j个发射节点的覆盖权重;t(i)为所述RSS指纹数据采样点处接收到的第i个发射节点的UID。
具体地,步骤2中在RSS指纹库中进行搜索具体包括如下步骤:
(21)根据接收端收到的可见光信息计算覆盖号cr;
(22)在RSS指纹库中搜索覆盖号与cr相同的指纹采样点,构成集合S;
(23)遍历集合S中的指纹采样点,寻找使得RSS空间距离度量函数dz(Rr,Ri)最小的点,所述RSS空间距离度量函数定义为:
其中为接收端接收到的K个可见光的接收信号强度构成的向量;为RSS指纹采样点处接收到的K个可见光的接收信号强度构成的向量。
具体地,步骤3具体包括如下步骤:
(31)初始化迭代条件,将步骤(2)中搜索到的RSS指纹数据作为迭代初始条件,其传输距离修正因子作为传输距离修正因子估计值的初始值;
(32)用传输距离修正因子估计值对接收端接收到的传输距离向量D=(d(1),d(2),...,d(K))进行修正,即D=(d(1)β(1),d(2)β(2),...,d(K)β(K)),遍历搜索区域中的RSS指纹采样点,寻找此时的最近邻采样点:
其中d(D,Di)为向量D和Di之间的欧氏距离,Di为搜索到的最近邻RSS指纹采样点的传输距离向量;
(33)用上一步搜索到的最近邻RSS指纹采样点的传输距离修正因子作为传输距离修正因子估计值重复步骤(32),直至相邻两次迭代过程中的k值相等为止。
优选地,发射节点采用时分复用的方式向接收端发送信息。
优选地,指纹采样点在定位场景中的三维空间上均匀分布。
有益效果:与现有技术相比,本发明公开的三维定位方法具有以下优点:通过指纹匹配的方法克服了基于可见光通信定位***中传输函数难以测量以及传输距离难以估计的问题,通过引入覆盖号的概念加快匹配搜索的速度,然后通过划定邻域并对传输距离和距离修正因子β的迭代估计来获得K近邻指纹采样点,最后根据更为精确的K近邻采样点的坐标平均得到最终的定位结果估计,因此本发明中并不需要搜索所有的指纹采样点数据,而是先通过覆盖号的概念缩小范围,再通过划定邻域进一步缩小范围,最后在邻域中运行迭代算法,因此不仅定位精度很高,而且定位算法复杂度也很小。
附图说明
图1为基于可见光通信的室内定位场景图;
图2为基于指纹匹配的三维定位算法结构框图;
图3为单发射端单接收端的可见光传输场景图;
图4为可见光接收功率随辐射角度变化实测图;
图5为三维定位算法具体实施步骤的示意图。
具体实施方式
下面结合附图和具体实施方式,进一步阐明本发明。
一种基于指纹匹配的可见光通信场景中三维定位方法,如图2所示,包括如下步骤:
步骤1、在定位场景中布置M个发射节点和N个指纹采样点,本实施例中的定位场景如图1所示,发射节点为照明设备,为了避免光源间的区间干扰可以采用时分复用的方式发送发射节点的信息;控制器用于对定位***的全局配置,例如统一分配光源发送可见光信号的时隙等,网关用于转发控制器的各种控制指令至目标光源,接收器解析出当前可见光信号中的数据以及RSS值然后发送给定位服务器端,定位服务器运行定位算法最终得到三维坐标估计;其中发射节点的布置应尽量使得待定位区域内存在多个可见光信号的重叠,而指纹采样点采用均匀分布。
每个发射节点都有独一无二的特定身份号(UID,Unique Identity)为ui(i=1,…,M),每个ui都对应一个覆盖权重wi(i=1,…,M),可见光定位场景中每个位置一般只能接收到有限个具有不同UID的可见光信号,设同时接收到的UID个数最大值为K,定义接收端UID集合组成的向量为T=(t(1),t(2),…t(K)),与此对应的接收信号强度为R=(r(1),r(2),…r(K))。
根据指纹采样点处的信息建立RSS指纹库;RSS指纹库中每个RSS指纹数据包含指纹采样点处的三维坐标Li=(xi,yi,zi)、接收到的可见光发射节点ID信息Ti、可见光接收信号强度Ri、覆盖号ci、可见光传输距离Di及对应的传输距离修正因子βi。
如图3所示,当发射平面和接收平面平行时,接收可见光功率P可以表示为其中P0是LED光源中心方向的光功率,α是辐射角,R(α)是随辐射角而变化的衰减函数,可以通过测量获得,某LED光源的R(α)测量结果如图4所示,α辐射角从0开始变化时,可见光功率P从P0衰减为P0R(α);d是可见光传输距离,即光源到接收端的距离。定义估计距离d=βd′,其中传输距离修正因子d′是忽略光源辐射角和接收端入射角的影响而对传输距离进行的直接估计,可以表示为
RSS指纹数据的覆盖号c为:
其中M为定位场景中发射节点的个数;K为所述RSS指纹数据采样点处同时接收到的可见光个数最大值;uj为第j个发射节点的UID,wj为第j个发射节点的覆盖权重;t(i)为所述RSS指纹数据采样点处接收到的第i个发射节点的UID。
为了便于计算可以把覆盖权重wj设置为二进制表示中只有1位为1的数值,定义两个覆盖号之间的距离为它们的二进制表示中不同位的个数,则此时进行一次按位异或操作即可获得覆盖号之间的距离;只需要对两个覆盖号进行一次按位与或操作就可以找到所有需要计算距离的UID,而不需要对所有的M个UID进行遍历。
首先,在离线阶段对所有的指纹采样点计算所有的覆盖号,并以覆盖号为索引构建数据结构,即通过覆盖号可获取一个所有具备相同覆盖号的采样点列表;其次,在在线阶段根据所获得的可见光RSS信息计算覆盖号,通过查询覆盖号索引获得所有具备相同覆盖号的采样点列表;最后,根据覆盖号获得该覆盖号下所有的UID,并根据UID整理RSS向量,然后逐个计算与列表中采样点之间的RSS空间距离度量函数,寻找最小值。
步骤2、区域锁定:根据接收端收到的可见光信息,在RSS指纹库中进行搜索,得到与接收端接收到的可见光信息最接近的RSS指纹数据;以得到的RSS指纹数据为中心,选取邻域半径,锁定搜索区域;步骤2-步骤4的流程如图5所示。
在RSS指纹库中进行搜索具体包括如下步骤:
(21)根据接收端收到的可见光信息计算覆盖号cr;
(22)在RSS指纹库中搜索覆盖号与cr相同的指纹采样点,构成集合S;
(23)遍历集合S中的指纹采样点,寻找使得RSS空间距离度量函数dz(Rr,Ri)最小的点,所述RSS空间距离度量函数定义为:
其中为接收端接收到的K个可见光的接收信号强度构成的向量;为RSS指纹采样点处接收到的K个可见光的接收信号强度构成的向量。
以得到的RSS指纹数据为中心,选取邻域半径,划定一个包含实际空间位置的邻域,该邻域中的所有指纹采样点进入下一步K近邻迭代搜索。
步骤3、迭代搜索:在搜索区域中,使用K近邻迭代搜索,用指纹采样点的传输距离修正因子作为实际位置上的距离修正因子,在传输距离构成的向量空间中搜索最近邻采样点,搜索得到若干个最近邻指纹采样点;
具体包括如下步骤:
(31)初始化迭代条件,将步骤(2)中搜索到的RSS指纹数据作为迭代初始条件,其传输距离修正因子作为传输距离修正因子估计值的初始值;
(32)用传输距离修正因子估计值对接收端接收到的传输距离向量D=(d(1),d(2),...,d(K))进行修正,即遍历搜索区域中的RSS指纹采样点,寻找此时的最近邻采样点:
其中d(D,Di)为向量D和Di之间的欧氏距离,Di为搜索到的最近邻RSS指纹采样点的传输距离向量;
(33)用上一步搜索到的最近邻RSS指纹采样点的传输距离修正因子作为传输距离修正因子估计值重复步骤(32),直至相邻两次迭代过程中的k值相等为止。
步骤4、位置估计:对搜索得到的所有最近邻指纹采样点的三维坐标求均值,得到接收端的实际位置三维坐标估计值。
例如选择到的3个最近邻分别为i,j和k采样点,则最终的坐标输出为:
Claims (5)
1.一种基于指纹匹配的可见光通信场景中三维定位方法,其特征在于,包括如下步骤:
(1)在定位场景中布置发射节点和指纹采样点,根据指纹采样点处的信息建立RSS指纹库;所述RSS指纹库中每个RSS指纹数据包含指纹采样点处的三维坐标、接收到的可见光发射节点ID信息、可见光接收信号强度、覆盖号、可见光传输距离及对应的传输距离修正因子;
(2)区域锁定:根据接收端收到的可见光信息,在RSS指纹库中进行搜索,得到与接收端接收到的可见光信息最接近的RSS指纹数据;以得到的RSS指纹数据为中心,选取邻域半径,锁定搜索区域;
(3)迭代搜索:在搜索区域中,使用K近邻迭代搜索,用指纹采样点的传输距离修正因子作为实际位置上的距离修正因子,在传输距离构成的向量空间中搜索最近邻采样点,搜索得到若干个最近邻指纹采样点;
(4)位置估计:对搜索得到的所有最近邻指纹采样点的三维坐标求均值,得到接收端的实际位置三维坐标估计值;
所述RSS指纹数据的覆盖号c为:
其中M为定位场景中发射节点的个数;K为所述RSS指纹数据采样点处同时接收到的可见光个数最大值;uj为第j个发射节点的UID,wj为第j个发射节点的覆盖权重;t(i)为所述RSS指纹数据采样点处接收到的第i个发射节点的UID。
2.根据权利要求1所述的基于指纹匹配的可见光通信场景中三维定位方法,其特征在于,步骤(2)中在RSS指纹库中进行搜索具体包括如下步骤:
(21)根据接收端收到的可见光信息计算覆盖号cr;
(22)在RSS指纹库中搜索覆盖号与cr相同的指纹采样点,构成集合S;
(23)遍历集合S中的指纹采样点,寻找使得RSS空间距离度量函数dz(Rr,Ri)最小的点,所述RSS空间距离度量函数dz(Rr,Ri)定义为:
其中为接收端接收到的K个可见光的接收信号强度构成的向量;Ri=(ri (1),ri (2),...,ri (K))为RSS指纹采样点处接收到的K个可见光的接收信号强度构成的向量。
3.根据权利要求1所述的基于指纹匹配的可见光通信场景中三维定位方法,其特征在于,步骤(3)具体包括如下步骤:
(31)初始化迭代条件,将步骤(2)中搜索到的RSS指纹数据作为迭代初始条件,其传输距离修正因子作为传输距离修正因子估计值的初始值;
(32)用传输距离修正因子估计值对接收端接收到的传输距离向量D=(d(1),d(2),...,d(K))进行修正,即其中d(i)’根据接收端获取的RSS值得到,通过传输距离修正因子估计值的修正最终得到传输距离估计向量遍历搜索区域中的RSS指纹采样点,寻找此时的最近邻采样点:
其中为向量和Di之间的欧氏距离,Di为搜索到的最近邻RSS指纹采样点的传输距离向量,该传输距离向量由发射端三维坐标和采样点三维坐标直接计算得到;
(33)用上一步搜索到的最近邻RSS指纹采样点的传输距离修正因子作为传输距离修正因子估计值重复步骤(32),直至相邻两次迭代过程中的k值相等为止。
4.根据权利要求1所述的基于指纹匹配的可见光通信场景中三维定位方法,其特征在于,发射节点采用时分复用的方式向接收端发送信息。
5.根据权利要求1所述的基于指纹匹配的可见光通信场景中三维定位方法,其特征在于,指纹采样点在定位场景中的三维空间上均匀分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611252650.0A CN106646368B (zh) | 2016-12-30 | 2016-12-30 | 一种基于指纹匹配的可见光通信场景中三维定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611252650.0A CN106646368B (zh) | 2016-12-30 | 2016-12-30 | 一种基于指纹匹配的可见光通信场景中三维定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106646368A CN106646368A (zh) | 2017-05-10 |
CN106646368B true CN106646368B (zh) | 2019-02-05 |
Family
ID=58836238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611252650.0A Active CN106646368B (zh) | 2016-12-30 | 2016-12-30 | 一种基于指纹匹配的可见光通信场景中三维定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106646368B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108107407A (zh) * | 2017-12-18 | 2018-06-01 | 黑龙江大学 | 一种基于空间分布式麦克风的三维声源定位方法 |
CN108012235B (zh) * | 2017-12-26 | 2020-06-16 | 青岛海信移动通信技术股份有限公司 | 一种基于热点组的定位方法和装置 |
CN108828519B (zh) * | 2018-05-24 | 2022-08-09 | 桂林电子科技大学 | 一种基于机器学习的高精度室内可见光定位方法 |
CN109001674B (zh) * | 2018-05-31 | 2022-09-02 | 中国矿业大学 | 一种基于连续视频序列的WiFi指纹信息快速采集与定位方法 |
CN109631910B (zh) * | 2019-02-13 | 2020-08-28 | 中南民族大学 | 基于光场匹配的室内无源定位***及其方法 |
CN110430523B (zh) * | 2019-06-10 | 2021-04-13 | 成都理工大学 | 基于WiFi指纹的室内定位接入点三维部署算法 |
CN111356082B (zh) * | 2020-03-10 | 2021-06-08 | 西安电子科技大学 | 基于wifi及可见光通信的室内移动终端定位方法 |
CN111562548A (zh) * | 2020-05-16 | 2020-08-21 | 清华大学 | 一种基于rss与位置指纹的室内可见光联合定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010197049A (ja) * | 2009-02-20 | 2010-09-09 | Nippon Telegr & Teleph Corp <Ntt> | 位置推定システム及び基準データ測定装置 |
CN103199923A (zh) * | 2013-04-22 | 2013-07-10 | 中国矿业大学 | 一种基于可见光通信的井下移动目标光指纹定位跟踪方法 |
CN103389488A (zh) * | 2013-07-30 | 2013-11-13 | 中国科学院深圳先进技术研究院 | 一种基于光强度的多光源室内定位装置与方法 |
CN104270194A (zh) * | 2014-09-16 | 2015-01-07 | 南京邮电大学 | 一种可见光室内定位方法 |
CN104991228A (zh) * | 2015-02-06 | 2015-10-21 | 北京理工大学 | 基于可见光信号强度的三维空间室内定位方法 |
CN105790837A (zh) * | 2016-03-04 | 2016-07-20 | 南京邮电大学 | 基于图像匹配和指纹库的led可见光室内定位方法和*** |
CN105916201A (zh) * | 2016-06-07 | 2016-08-31 | 天津大学 | 一种基于rss欧氏距离拟合的knn指纹定位方法 |
-
2016
- 2016-12-30 CN CN201611252650.0A patent/CN106646368B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010197049A (ja) * | 2009-02-20 | 2010-09-09 | Nippon Telegr & Teleph Corp <Ntt> | 位置推定システム及び基準データ測定装置 |
CN103199923A (zh) * | 2013-04-22 | 2013-07-10 | 中国矿业大学 | 一种基于可见光通信的井下移动目标光指纹定位跟踪方法 |
CN103389488A (zh) * | 2013-07-30 | 2013-11-13 | 中国科学院深圳先进技术研究院 | 一种基于光强度的多光源室内定位装置与方法 |
CN104270194A (zh) * | 2014-09-16 | 2015-01-07 | 南京邮电大学 | 一种可见光室内定位方法 |
CN104991228A (zh) * | 2015-02-06 | 2015-10-21 | 北京理工大学 | 基于可见光信号强度的三维空间室内定位方法 |
CN105790837A (zh) * | 2016-03-04 | 2016-07-20 | 南京邮电大学 | 基于图像匹配和指纹库的led可见光室内定位方法和*** |
CN105916201A (zh) * | 2016-06-07 | 2016-08-31 | 天津大学 | 一种基于rss欧氏距离拟合的knn指纹定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106646368A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106646368B (zh) | 一种基于指纹匹配的可见光通信场景中三维定位方法 | |
Cai et al. | Indoor high precision three-dimensional positioning system based on visible light communication using particle swarm optimization | |
Zhang et al. | High-precision indoor visible light positioning using deep neural network based on the Bayesian regularization with sparse training point | |
CN110933599B (zh) | 一种融合uwb与wifi指纹的自适应定位方法 | |
Stoleru et al. | Stardust: A flexible architecture for passive localization in wireless sensor networks | |
Chen et al. | Indoor high precision three-dimensional positioning system based on visible light communication using improved hybrid bat algorithm | |
Chen et al. | LED based high accuracy indoor visible light positioning algorithm | |
Li et al. | Machine learning based high accuracy indoor visible light location algorithm | |
Wang et al. | Machine learning and its applications in visible light communication based indoor positioning | |
Luo et al. | Improved spring model-based collaborative indoor visible light positioning | |
Zhao et al. | Fingerprint and visible light communication based indoor positioning method | |
Chaochuan et al. | High-accuracy 3D indoor visible light positioning method based on the improved adaptive cuckoo search algorithm | |
Zhang et al. | Indoor visible light positioning method based on TDOA and fingerprint | |
Du et al. | Faster deployment for indoor visible light positioning using Xgboost algorithms in industrial Internet-of-Things | |
Hsu et al. | Using received-signal-strength (RSS) pre-processing and convolutional neural network (CNN) to enhance position accuracy in visible light positioning (VLP) | |
CN206892313U (zh) | 一种抗nlos干扰的可见光定位硬件*** | |
CN107919910A (zh) | 一种抗nlos干扰的可见光定位方法 | |
Li et al. | Dead-zone-free three-dimensional indoor positioning method based on visible light communication with dimensionality reduction algorithm | |
Xu et al. | Indoor localization based on hybrid Wi-Fi hotspots | |
Liu et al. | Visible light positioning using arrays of time-of-flight pixels | |
Wu et al. | High precision and high speed of three-dimensional indoor localization system based on visible light communication using improved bacterial colony chemotaxis algorithm | |
Chakraborty et al. | On estimating the location and the 3-d shape of an object in an indoor environment using visible light | |
Papapostolou et al. | Exploiting multi-modality and diversity for localization enhancement: WiFi & RFID usecase | |
Zhao et al. | High accuracy indoor visible light positioning considering the shapes of illuminators | |
Sánchez-Rodríguez et al. | Performance analysis of classification methods for indoor localization in VLC networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |