基于可見光通信的指紋定位,提出一種低復(fù)雜度、稀疏度自適應(yīng)的壓縮感知算法。首先,利用位置指紋的稀疏性,將定位問題轉(zhuǎn)換為稀疏矩陣的重構(gòu)問題。其次,根據(jù)重構(gòu)的殘差值,自適應(yīng)地計算近鄰值。最后,詳細分析指紋采樣間距、信噪比、調(diào)制帶寬及發(fā)射功率對定位誤差的影響,詳細分析所提定位算法的時間復(fù)雜度、最優(yōu)近鄰值的分布、發(fā)光二極管個數(shù)及最大近鄰指紋數(shù)對定位誤差的影響。仿真結(jié)果表明,所提定位算法的平均計算時間低、定位誤差小,當(dāng)信噪比為10 dB,指紋點之間的間距為40 cm時,所提定位算法的平均定位誤差為1.56 cm,顯著低于現(xiàn)有的同類算法。 

【文章來源】：光學(xué)學(xué)報. 2020,40(18)北大核心EICSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引 言
2 壓縮感知的基本理論
3 LCSACS算法設(shè)計
    3.1 指紋定位模型
    3.2 測量矩陣
    3.3 觀測向量
    3.4 LCSACS算法描述
    3.5 LCSACS算法的時間復(fù)雜度分析
4 仿真分析
    4.1 Lambertian輻射模型
    4.2 參數(shù)設(shè)置
    4.3 結(jié)果分析
        1) 定位誤差的累積分布函數(shù)(CDF)
        2) 信噪比RSN的影響
        3) 指紋采樣間距S對平均定位誤差的影響
        4) 等效噪聲帶寬B對平均定位誤差的影響
        5) 發(fā)射功率Ptr對平均定位誤差的影響
        6) LCSACS算法的最優(yōu)K值分布
        7) Kmax值對平均定位誤差的影響
        8) LED個數(shù)M對平均定位誤差的影響
        9) 計算復(fù)雜度分析
5 結(jié) 論


【參考文獻】：
期刊論文
[1]基于正交頻分復(fù)用調(diào)制的可見光通信指紋匹配定位算法[J]. 徐世武,吳怡,蘇國棟.  激光與光電子學(xué)進展. 2019(09)
[2]基于距離測量和位置指紋的室內(nèi)定位方法研究[J]. 李方敏,張韜,劉凱,劉果,馬小林.  計算機學(xué)報. 2019(02)
[3]基于免疫算法的高精度室內(nèi)可見光三維定位系統(tǒng)[J]. 王鵬飛,關(guān)偉鵬,文尚勝,謝勇堅,吳玉香,張美琦.  光學(xué)學(xué)報. 2018(10)
[4]基于指紋的室內(nèi)可見光定位方法[J]. 趙楚韓,張洪明,宋健.  中國激光. 2018(08)



本文編號：3204995