基于机器学习与多光电二极管的可见光定位实验研究
针对单个光电二极管接收器的倾斜问题和几何算法的不足,搭建了多光电二极管接收器的真实可见光定位场景,并采用基于接收信号强度的指纹定位技术及其常用的机器学习算法,实验研究了 4种典型的机器学习算法的定位性能.结果发现:在二维定位时,K最近邻、极限学习机、随机森林和自适应增强的定位误差小于2 cm的概率分别为96.67%、48.57%、67.14%和15.24%;在三维定位时,K最近邻、极限学习机、随机森林和自适应增强的定位误差小于2 cm的概率分别为74.52%、38.81%、59.76%和6.43%.结果均表明,K最近邻的定位性能较佳.在此基础上,比较了发光二极管个数、光电二极管个数和发光二极管发射功率等因素对定位精度的影响.结果表明:发光二极管个数和光电二极管个数的增加均有效地降低了定位误差,发光二极管的发射功率为5 W时,已经实现了定位误差的收敛.该结果为发光二极管分布密度较低时可见光定位系统的设计提供新的理论支持与实际应用参考价值.
可见光定位、多光电二极管、接收信号强度指纹、机器学习
60
TN929.12
国家自然科学基金;国家自然科学基金;中央政府引导地方科技发展专项;省级重点科技创新项目;国家级大学生创新创业训练计划项目;福建省光电传感应用工程技术研究中心开放课题;福建省光电传感应用工程技术研究中心开放课题;福建省中青年教师教育科研项目;福建省中青年教师教育科研项目
2023-06-30(万方平台首次上网日期,不代表论文的发表时间)
共11页
288-298