基于聚类的能量自持续可见光定位算法
将Kmeans聚类算法和传统的K近邻(KNN)算法相结合,提出一种适用于能量自持续室内可见光定位(VLP)系统的融合算法.该算法兼顾低复杂度和高精度,在使用Kmeans聚类算法对专门设计的指纹库进行划分实现粗定位的基础上,使用KNN定位算法进行精准定位.将所提Kmeans-KNN融合算法引入到搭建的能量自持续VLP系统,分析不同条件下系统的定位性能.结果 表明,与传统KNN定位算法相比,采用Kmeans-KNN融合算法后,系统的平均定位误差位为0.141 m,定位精度明显提高,同时算法计算量减少了94.7%,系统耗能因此大幅降低,利于VLP系统高精度能量自持续定位的实现.
光通信、自由空间光通信、能量自持续、指纹定位、Kmeans聚类算法、K近邻算法
41
O436(光学)
国家自然科学基金;北京科技大学顺德研究生院科技创新专项
2021-07-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
48-54