基于改進的LM算法的可見光定位研究

近年來，隨著數(shù)據(jù)業(yè)務(wù)和多媒體業(yè)務(wù)的快速增加，人們對定位與導(dǎo)航的需求日益增大^[1]。面對全球衛(wèi)星定位系統(tǒng)（GPS）無法在室內(nèi)獲得良好效果的窘境^[2]，Wi-Fi定位^[3]、藍(lán)牙定位^[4]、RFID定位^[5]等一系列以電磁波作為信息媒介的室內(nèi)定位技術(shù)被研究者們相繼提出。可見光定位技術(shù)作為室內(nèi)定位技術(shù)的一種，在電磁輻射、頻譜資源、能量損耗和

安全性等方面具有明顯的優(yōu)勢^[6]。因此，針對可見光定位的研究具有現(xiàn)實意義。

目前，已有眾多學(xué)者分享了在可見光定位領(lǐng)域

的研究成果。文獻[7]提出了一種基于自適應(yīng)混合蛙跳算法的可見光定位方法，雖然啟發(fā)式算法具有優(yōu)越的全局搜索能力，但是獲得全局收斂解卻需要大量計算時間，因此并不適用于嵌入式設(shè)備。文獻[8]提出了一種基于融合神經(jīng)網(wǎng)絡(luò)與指紋的可見光定位算法，雖然算法在仿真條件下能得到極高的精度，但是由于BPNN神經(jīng)的輸入數(shù)量是固定的，在復(fù)雜的定位條件下算法可能無法靈活的運用冗余光源信息而導(dǎo)致魯棒性不強。

為解決以上問題，本文提出了一種基于改進的Levenberg-Markuardt算法的可見光定位方法，該系統(tǒng)可以高效的利用有效冗余光源信息，同時以二階收斂速度獲得全局收斂解。其次，針對算法的非負(fù)參數(shù)的選取進行了研究，證明取合適值時算法迭代次數(shù)最少可達(dá)17次。此外，研究目前市面常用燈型并推導(dǎo)出不同燈型的VLC信道模型，以期提高可見光定位的適用性。

1  模型研究

1.1 貼片式LED燈的VLC信道模型

不同封裝下的LED具有不同的輻照模式^[9]，為了用一種模型來描述多種不同的輻照模式，文獻^[10]中F. R. Gfeller等人提出了廣義朗伯模型的概念，模型中輻射瓣模式數(shù)m作為描述輻射集中程度的一個參量，則在n盞LED下的模型式為

Pr = H(t) ?T(β ) ? Ps +n(t) (1)

式中：為加性噪聲；為光濾波器增益；而傳輸函數(shù)為可表示為

 (2)

式中：θ與β如圖1所示。

1.2 帶反射罩的LED燈的VLC信道模型

燈罩需要被設(shè)計為漫反射體^[11]。根據(jù)朗伯體的定義，燈罩可以看成一個朗伯型發(fā)光體。

圖1 平面反射罩LED燈的輻射場景

假設(shè)接收器處于距離LED燈R米遠(yuǎn)的位置上，接收器的每一個面源dA所接收到的光線如圖1所示?；诼瓷錈粽质抢什w這一前提，面元所感受到的光線亮度為恒定值Le，根據(jù)輻射亮度的定義，我們可以得到接收功率微元為

dPr = Le cos β dS d Ω(3)

式中：dS為漫反射罩的發(fā)光面元。當(dāng)R>l時，δ ≈θ且θ為一個常數(shù)，而接收面元dA約為接收器面積Ar，根據(jù)朗伯體輻射亮度與輻射射出度的關(guān)系，將dPr對dS與dΩ進行積分可得

(4)

式中：M_e為輻射射出度；S_e為燈罩面積。當(dāng)漫反射罩為一直徑遠(yuǎn)小于信道距離的平面圓時，該式即為廣義朗伯體模型m=1時的情形。

最終得到帶平面漫反射罩LED燈的信道傳輸函數(shù)為

 (5)

2   算法設(shè)計

2.1總流程圖

可見光定位的應(yīng)用場景一般是大型商場超市、地下停車庫、礦道等空曠的場地^[12]。燈作為一種照明設(shè)備其布局是緊湊密集的，但通常定位算法只需三盞光源便可確定出具體位置^[13]。為了能夠高效的利用這些冗余信息，本文設(shè)計了一種基于RSS并采用改進LM算法的可見光定位方法，其基本過程如圖2所示。

圖2 算法流程圖

2.2最優(yōu)化函數(shù)與雅可比陣

在忽略反射影響^[14]的條件下，將模型（5）進一步化簡可得第n盞LED燈下以坐標(biāo)向量x為自變量的定位函數(shù)為

(6)

式中：為光源坐標(biāo)；由光源輻射功率與接收輻射功率的根號比確定。同時將n個定位函數(shù)改寫成無約束優(yōu)化函數(shù)形式為

 (7)

其雅可比陣Jk定義為

 (8)

由上述過程可以看出，函數(shù)形式與其雅可比陣能根據(jù)光源信息多少進行增減，因此算法可靈活地運用有效冗余信息進行定位。當(dāng)n>3時算法可收斂于確定解,且當(dāng)n越大時收斂解的準(zhǔn)確度越高^[15]。

2.3 改進的LM定位算法

改進的LM算法通過引進非負(fù)參數(shù)，克服了目標(biāo)函數(shù)的雅可比陣幾乎奇異或壞條件時牛頓步所帶來的困難^[16]。同時，為了避免陷入局部極小值，使算法獲得全局收斂解，引入信賴域半徑對非負(fù)參數(shù)進行修正。

(9)

式中：二范數(shù)部分為的更新規(guī)則，不同的更新規(guī)則對于算法的收斂性能影響很大。而算法將以如下規(guī)則迭代。

式中，dk表示目標(biāo)向量x一個搜索方向為

  (12)

更新準(zhǔn)則rk為實際下降量于模型下降量之比為

(13)

式中：模型? (d )定義為。

3 實驗與結(jié)果分析

在1.48m x 1.51m x 1.65m的空間中搭建定位環(huán)境，四盞3W白光LED燈泡分別安裝在四個上頂點處并分別以200Hz、300Hz、400Hz、500Hz的頻率閃爍，而產(chǎn)生的混頻光信號利用OPT101進行光電轉(zhuǎn)換，模數(shù)轉(zhuǎn)換后在STM32F407平臺進行測試實驗。

3.1 算法測試

為了探究選取何種形式時，LM算法對式（7）的解算性能最佳，將STM32F407獲取的五個定位點數(shù)據(jù)并傳回PC端，在Matlab環(huán)境下進行LM算法的解算過程。實驗時記錄算法迭代次數(shù)，并以此作為判斷準(zhǔn)則。

參數(shù)方面，取m、、分別為1e-6、1e-4、0.25、0.75，設(shè)置最大迭代次數(shù)為100，終止條件為<1e-5，其中，初始向量x中z軸坐標(biāo)應(yīng)盡可能大于真實高度。

表1 LM算法迭代次數(shù)

表2 改進的LM算法迭代次數(shù)

由表1與表2可以看出，LM算法迭代所用次數(shù)基本超過100次，而改進的LM算法則在有限次數(shù)內(nèi)滿足迭代退出條件。

結(jié)果表明，LM算法對于定位方程的解算陷入局部極小值而無法跳出循環(huán)，而改進的LM算法則可以獲得滿足精度條件的全局極小值。同時，改進的LM算法的非負(fù)參數(shù) 取 時，收斂所用的迭代次數(shù)最小。

3.2 定位測試

在定位空間中，分別在三種不同的高度(1.65m、1.55m、1.45m)下進行定點測量，如圖3所示。

圖3 數(shù)據(jù)分布圖

結(jié)果表明，系統(tǒng)的定位誤差(RMSE)為12.4cm，考慮到測量系統(tǒng)存在偏差，該值的置信區(qū)間約為15cm至10cm。

4   總結(jié)

本文提出基于改進LM算法的可見光定位方法相比于神經(jīng)網(wǎng)絡(luò)，理論上擁有更好的靈活性與魯棒性，而相比于啟發(fā)式算法，實際中選取最優(yōu)更新規(guī)則時算法最快只需要17步的迭代便可以收斂到全局最優(yōu)解，因此更加適合應(yīng)用于嵌入式設(shè)備。

但相比于仿真結(jié)果，真實環(huán)境下所得到的RMSE有所增大，這說明模型并非完美，而能讓可見光定位模型適應(yīng)更復(fù)雜多變的實際環(huán)境，應(yīng)是繼續(xù)研究的重點。

參考文獻：

[1]  高燕龍, 施安存, 張運方, 等. 基于白光LED的室內(nèi)高精度定位算法的實現(xiàn)[J]. 半導(dǎo)體光電, 2015,36(01):141-144.

[2]  姜西瑞. 基于GPS和GSM/GPRS的定位系統(tǒng)的設(shè)計與實現(xiàn)[D]. 中國科學(xué)院研究生院（計算技術(shù)研究所）, 2006.

[3]  He X, Badiei S, Aloi D, et al. WiFi iLocate: WiFi based indoor localization for smartphone: 2014 Wireless Telecommunications Symposium, 2014[C].

[4]..Schuermann V, Mann T, Buda A, et al. Integrating bluetooth localization into existing TCP/IP networks: 2009 IEEE International Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, 2009[C].

[5]  Ahmad M Y, Mohan A S. RFID reader localization using passive RFID tags: 2009 Asia Pacific Microwave Con- ference 2009 [C].

[6]  董文杰, 王旭東, 吳楠, 等. 基于LED光強的室內(nèi)可見光定位系統(tǒng)的實現(xiàn)[J]. 光通信技術(shù), 2017,41(03): 12-15.

[7]  陳爽, 金嘉誠, 張月霞. 基于可見光的自適應(yīng)混合蛙跳定位算法[J]. 半導(dǎo)體光電, 2018,39(06):858-862.

[8]  劉沖, 張月霞. 融合神經(jīng)網(wǎng)絡(luò)和指紋的可見光定位算法研究[J]. 半導(dǎo)體光電, 2019,40(06):891-895.

[9]  譚家杰, 鄒常青. 室內(nèi)多環(huán)LED的信道特性分析[J]. 系統(tǒng)仿真學(xué)報, 2013,25(12):2906-2911.

[10].Gfeller F R, Bapst U. Wireless in-house data com- munication via diffuse infrared radiation[J]. Proceedings of the IEEE, 1979,67; 67(11; 11):1474-1486.

[11] 張志新, 徐洪振, 謝鳳軍, 等. 高校新型照明燈具節(jié)能技術(shù)應(yīng)用研究[J]. 昆明理工大學(xué)學(xué)報(自然科學(xué)版), 2017,42(05):65-73.

[12] 江運力. 基于RSSI及圖像傳感器室內(nèi)可見光定位系統(tǒng)研究[D]. 南京郵電大學(xué), 2014.

[13] 陸霞. WiFi定位技術(shù)——基于質(zhì)心定位的三邊定位算法的研究[J]. 電腦知識與技術(shù), 2013,9(25):5765-5767.

[14] 張秀楠, 邵建華, 柯煒, 等. 反射與噪聲對室內(nèi)可見光定位系統(tǒng)精度影響及其克拉美羅界[J]. 南京師大學(xué)報(自然科學(xué)版), 2017,40(03):102-109.

[15] 胡海婧. 考慮誤差抑制的室內(nèi)三維定位算法研究[D]. 哈爾濱工程大學(xué), 2017.

[16] 楊柳, 陳艷萍. 求解非線性方程組的一種新的全局收斂的Levenberg-Marquardt算法[J]. 計算數(shù)學(xué), 2008(04): 388-396.