基于Circle混沌映射的ISSA-ELM神经网络室内可见光定位方法

针对传统室内可见光定位精度较低、基于神经网络的室内可见光定位收敛速度慢且泛化能力弱等问题,提出一种结合基于Circle混沌映射的优化麻雀搜索算法-极限学习机（ISSA-ELM）神经网络和接收信号强度指示（RSSI）的室内可见光定位方法,在考虑天花板、墙壁和地板反射作用的情况下,将每个参考点处的RSSI和光电探测器的真实位置坐标作为训练集数据,对优化后的ISSA-ELM神经网络模型进行训练,建立室内可见光定位预测模型,并利用测试集对定位模型进行测试。仿真结果表明,优化后的ISSA-ELM神经网络的训练时间为0.0454 s,平均定位时间为3.5 ms,在5 m×5 m×3 m的室内环境,对位于0、0.5、1.0、1.5 m高度参考点的平均定位误差分别为1.01、1.14、1.36、3.87 cm,相比极限学习机（ELM）神经网络的定位精度分别提高了20.47%、19.72%、37.91%、42.32%。因此,所提的室内可见光定位方法具有定位速度快、定位精度高、系统性能稳定等优点。     

平板型聚光器作为可见光通信中光学天线的设计与性能分析

针对室内可见光通信中光学天线存在的视场小、接收面光能分布不均匀,以及低功率光源条件下接收功率低的问题,设计了作为可见光通信系统光学天线的平板型聚光器,推导出适用于平板型聚光系统的光学增益理论公式。在一个(5×5×3)m房间中对平板型聚光器作为光学天线的接收功率分布进行仿真,得到直射和非直射链路信道下视场角为50°的平板型聚光器接收房间内各位置的光功率比直接探测时分别提升了16.2411dBm和16.4956dBm。     

室内可见光通信高精度定位系统设计

基于接收信号强度算法的可见光室内定位系统具有结构简单的特点,但是由于漫反射信道、系统噪声等因素,其定位精度受到很大限制,为此提出使用人工神经网络对室内可见光信道参数进行学习,拟合室内信道参数的真实值,实现高精度定位。首先,使用CDMA调制技术消除室内可见多参考点光通信带来的码间干扰问题,CDMA解扩信号经过归一化操作后输入人工神经网络对坐标函数进行训练,使之拟合室内可见光通信信道参数,估计出接收机到各个LED参考点之间的空间距离。其次,由于神经网络训练数据噪声及接收机信号噪声会影响定位精度,我们提出使用Newton-Raphson迭代法,进一步逼近测试点的真实坐标。实验结果表明,在1 m×1 m×1. 2 m的室内可见光通信定位系统模型中,本系统在二维定位应用时平均定位误差为0. 87 cm;在三维定位应用时平均定位误差为1. 47 cm。本文提出的基于接收信号强度的可见光室内定位系统,使用CDMA调制技术,接收信号经过解扩后输入人工神经网络对信道参数进行距离估计,为了进一步地减小噪声等随机过程带来的定位误差,提出一种定位专用的定位坐标解迭代逼近算法,结果表明本系统在二维定位及三维定位均可实现很高的定位精度。     

K-means+SSA-Elman网络可见光室内位置感知算法

由于室内环境复杂,基于Elman神经网络的可见光位置感知存在收敛速度慢、定位精度低等缺点。论文提出基于麻雀搜索算法（sparrow search algorithm, SSA）优化Elman神经网络,同时融合K-means聚类的一种可见光室内位置感知算法。对采集到的数据建立数据库,利用SSA对Elman的拓扑结构和连接权阈值进行优化,建立训练模型,解决基于Elman神经网络室内位置感知算法易陷入局部最优的问题,提高收敛速度和稳健性;利用K-means对数据库优化分类,将处理好的数据代入模型训练得初步预测结果;将初步预测结果代入子类二次训练得预测点的最终坐标,进一步提高定位精度。基于0.8 m×0.8 m×0.8 m的立体空间进行实验,结果表明:论文算法平均定位误差3.22 cm,定位误差小于6 cm,概率达到90%,相较SSA-Elman算法定位精度提高7.5%;相较Elman网络算法定位精度提高16%。     

一种自适应煤矿井下环境的加权质心节点定位算法

为提高煤矿井下无线传感器网络节点定位精度,提出了一种自适应煤矿井下工况环境的加权质心节点定位算法;在信标节点双链式部署结构的基础上,首先利用未知节点周围RSSI信号强度最大的信标节点之间的位置信息和信标节点的平均RSSI值自适应地估计环境参数,再应用无线信号强度衰减模型计算未知节点到信标节点的距离,最后采用加权质心定位算法的平均值确定最终的节点位置坐标;仿真实验结果表明,所提出方法的平均定位误差为0.94 m,有效降低了环境因素及RSSI的随机性对定位精度的影响,可用于煤矿井下无线传感器网络节点实时定位系统中。     

基于PSO的测距模型参数估计三维定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一;针对粒子群优化(PSO)定位方法的定位精度依赖于测距模型参数与实际值的符合程度,在接收信号强度指示(RSSI)测距模型的基础上,提出一种测距模型参数估计的三维定位算法;该方法无需计算距离,将未知节点的位置和RSSI测距参数作为自变量,以信号强度误差为目标函数,采用粒子群优化算法估算未知节点坐标;仿真结果表明所提算法不依赖于测距模型参数的选取,并取得了理想的定位精度。     

像素分割对LED电流密度及光照度分布的影响

将300μm×300μm LED芯片阵列化为间隔为20μm的3×3个80μm×80μm的子单元,阵列化后,总饱和光输出功率是未阵列化前的5.19倍,最大注入电流提高近7倍,表明阵列可以注入更大的电流和输出更高的饱和光功率。此外,采用多颗阵列化后的LED芯片形成的芯片组照明,得知芯片组间距为最大平坦条件dmax时,接收面上照度均匀性最佳;芯片组数越多,接收面上均匀照度的面积越大。同时,9颗300μm×300μm的芯片阵列化为9个80μm×80μm LED芯片后,以dmax排列照明相对于9颗未阵列化的300μm×300μm芯片以dmax排列照明时,接收面上的光照度均匀性不变,照度值提高了3倍。     

非均匀声速场中高精度逐次逼近声源定位方法

针对非均匀声速场中传统飞行时间法无法直接计算声源到各声接收点的精确距离从而影响定位精度的问题,提出了一种基于逐次逼近方法的高精度声源定位方法。建立二维平面模型,推导证明了均匀声速场和固定声接收阵型中逐次逼近定位理论的正确性。然后,在任意分布的非均匀声速场和接收阵型条件下,仿真证明逐次逼近法的有效性,以及迭代次数和接收点个数与定位精度的关系。结果表明,该算法可用于非均匀声速场中任意位置声源的声学定位,在125 m×125 m水平区域中,声速起伏范围为±5 m/s,当迭代次数大于26次时,定位误差可小于1 mm,且定位精度随着迭代次数和接收点个数的增加而提高。     

基于K-means的自适应概率整形信号相位恢复算法

为解决未知概率整形因子信号的自适应相位恢复问题，提出了一种基于K-means聚类的自适应相位恢复算法。通过理论分析与数值仿真，验证了基于K-means聚类进行星座点模值半径重定位的可行性，将K-means聚类与前馈式载波相位恢复算法相结合，解决了概率整形信号经归一化处理后存在的星座点相对放大的问题，实现了未知概率整形因子信号相位的自适应恢复。对该算法在不同光信噪比、不同激光器线宽下的16正交幅度调制(QAM)与64QAM信号进行了分析，结果表明所提算法不仅可用于未知概率整形因子下信号的相位恢复，还可用于均匀QAM信号的相位恢复。所提算法在星座点模值的重新定位中考虑了噪声的影响，在相同的测试相位数量下可以实现更高精度的相位补偿，对于均匀QAM信号的光信噪比容忍度提升了约1 dB。     

针对周期偏移声信标的广义二阶时延差水声定位模型

针对具有周期偏移的声信标定位问题,提出了一种广义二阶时延差水声定位模型。将传统二阶时延差拓展至不需要等周期间隔选取定位节点的广义情况,从而进一步提高定位精度;同时,引入松弛算法实现定位节点的最优化,并引入密度聚类算法以提高输入时延野值的鲁棒性。仿真及湖试数据处理结果表明,该模型相对于传统时延差模型或二阶时延差模型具有更高的定位精度。所提模型实现了针对周期漂移声信标的高精度定位,典型使用场景下的定位精度可达到3 m。