典型文献
融合角度特征的CNN可见光室内定位算法
文献摘要：
针对可见光室内定位精度不高的问题,提出一种融合角度特征的卷积神经网络(Convolutional Neu-ral Network,CNN)可见光室内定位算法.首先在基于接收信号强度(Received signal strength,RSS)的基础上,考虑到LED(Lighting Emitting Diode,LED)辐射角度对接收端PD(Photo Detector,PD)接收到的信号强度的影响,融合发送端和接收端之间的角度特征信息建立空间三角模型,构建基于角度特征值的位置指纹库,接着利用卷积神经网络模型,训练定位模型,预测待定位目标的位置,然后通过指纹库中的已知指纹点,计算定位误差,得到高精度的室内定位误差.最后在4 m×4 m×2.5 m实验空间中验证该算法,得到平均定位误差为4.16 cm,且定位误差累积分布在4.5 cm以内的概率为80％,在8 cm以内的概率为90％,定位误差稳定.
文献关键词：
室内定位;位置指纹库;卷积神经网络;平均定位误差
中图分类号：
作者姓名：
杨薇;邵建华;杜聪
作者机构：
南京师范大学计算机与电子信息学院,南京 210023;江苏省光电重点实验室,南京 210023
文献出处：
引用格式：
[1]杨薇;邵建华;杜聪-.融合角度特征的CNN可见光室内定位算法)[J].激光杂志,2022(01):113-118
A类：
位置指纹库
B类：
角度特征,可见光,室内定位算法,定位精度,Convolutional,Neu,ral,Network,接收信号强度,Received,signal,strength,RSS,LED,Lighting,Emitting,Diode,射角,接收端,Photo,Detector,发送端,特征信息,空间三角,三角模型,卷积神经网络模型,定位模型,待定,算定,实验空间,平均定位误差,误差累积,累积分布
AB值：
0.3581
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
