[发明专利]一种基于粒子群优化的高精度可见光定位方法及系统

说明书

本发明公开了一种基于粒子群优化的高精度可见光定位方法及系统，所述方法包括：1、初始化各个粒子的属性，作为可见光定位的初始位置；2、对粒子的全局最佳位置进行模拟退火领域搜索，并对其进行更新；3、对粒子的速度和位置进行更新；4、根据可见光传输信道过程中的数学模型得到的目标函数计算每个粒子的适应度；5、分别将每个粒子与其经过的最佳位置的适应度进行比较，更新其历史最佳位置，将每个粒子与群体经过的最佳位置的适应度进行比较，更新其全局最佳位置；6、重复步骤2‑5，直至满足迭代停止的条件，输出粒子的全局最佳位置，即为所求的可见光通信的最佳定位位置。所述方法提高了可见光定位的精度，实现了真正意义上的三维定位。

技术领域

本发明涉及可见光定位领域，具体涉及一种基于粒子群优化的高精度可见光定位方法及系统。

背景技术

随着智能技术的快速发展，人们对于定位的需求越来越高。传统的GPS等定位技术无法满足定位精度的需求，从而出现了以Wi-Fi，蓝牙，可见光通信等为基础的室内定位技术。其中，可见光定位以其成本低廉，精度高等优势受到青睐。

然而现有的定位算法，大部分采用相对复杂的混合定位算法，定位精度不高，甚至对于高度估计的范围有限，这不是真正的三维定位，而只是小范围的近似。此外，其中一些方法分别估计高度值和二维平面值，极大地延长了计算时间，导致计算效率不高。

粒子群优化算法模拟鸟群觅食的运动，通过群体中个体之间的协作和信息共享来寻找最优解。由于其简单容易实现并且没有许多参数的调节，被广泛用于函数优化，神经网络训练等。然而粒子群优化算法存在着容易陷入局部收敛，收敛速度不够快的缺点。单纯的粒子群优化算法并不十分适用于可见光定位系统的寻优。

发明内容

本发明的目的是针对现有技术的不足，提供了一种基于粒子群优化的高精度可见光定位方法，所述方法采用改进的粒子群优化算法，在原粒子群优化算法的基础上融合模拟退火算法，克服了粒子群优化算法容易局部收敛的缺点，加快了寻找最优解的速度，提高了可见光定位的精度，实现了真正意义上的三维定位。

本发明的另一目的在于提供一种基于粒子群优化的高精度可见光定位系统。

本发明的目的可以通过如下技术方案实现：

一种基于粒子群优化的高精度可见光定位方法，所述方法根据可见光通信系统得到目标函数，采用改进的粒子群优化算法对接收端进行定位，包括以下步骤：

步骤1、初始化粒子群中各个粒子的速度、位置属性，作为可见光定位的初始位置，并通过适应度函数计算初始适应度，定义模拟退火算法中的初始温度；

步骤2、对粒子的全局最佳位置g_best进行模拟退火领域搜索，并对其进行更新；

步骤3、根据速度的更新原则对粒子的速度进行更新，并更新每个粒子的位置；

步骤4、根据可见光传输信道过程中的数学模型得到的目标函数计算每个粒子的适应度；

步骤5、分别将每个粒子与其经过的最佳位置的适应度进行比较，更新其历史最佳位置p_best，将每个粒子与群体经过的最佳位置的适应度进行比较，更新其全局最佳位置g_best；

步骤6、重复步骤2-5，直至达到所设的迭代次数m_max，输出粒子的全局最佳位置g_best，即为所求的可见光通信的最佳定位位置。

进一步地，所述步骤1具体包括以下步骤：

步骤11、设置粒子群体大小为N，对各个粒子的空间坐标进行设置，作为可见光定位的初始点，同时，对粒子的速度(v_x，v_y,v_z)进行初始化，定义粒子群优化的迭代次数m_max；