用于可见光无线技术改进粒子群优化组合波束拟合方法

本发明涉及一种可见光无线通信技术领域，是一种用于可见光无线技术改进粒子群优化组合波束拟合方法。

背景技术：

随着可见光无线技术的发展不断走向深入，技术人员在设计、分析基于商用光源的可见光无线系统时，经常需要面对远比朗伯波束更为复杂的组合波束配置。此类固态光源波束定制特点突出，空间特性多样，建模复杂度高，不同波束光源可以组合构成具有混合波束的固态光源阵列。

固态光源阵列定制时，照明灯具厂商通常需要借助波束图样的二次配光设计。典型的二次配光设计方法包括在初始的固态光源上加装反射杯、自由曲面透镜等二次配光元件。一般来说，经过厂商二次配光的固态光源能够将大部分光功率投射到预设的照明区域，具体的照明区域几何形状可以是圆形、椭圆型、甚至是近似矩形。为保证照明覆盖的一致性，通常需要照明区域内不同位置光照水平满足基本相近；另一方面，在预设照明区域之外的区域，特别是临近的区域则要求光照水平急剧地降低，以避免光照覆盖的浪费及潜在的光污染。为满足上述照明工程目标，经过上述定制化二次配光的固态光源通常具备复杂组合光波束图样特性，这是传统朗伯波束图样所难以比拟的。故而要要在满足可见光无线技术的基础性需求，完成商用固态光源组合波束的优化拟合，但目前没有有效方法完成非朗伯商用固态光源拟合。

技术实现要素：

本发明提供了一种用于可见光无线技术改进粒子群优化组合波束拟合方法，克服了上述现有技术之不足，其能有效解决不能对非朗伯商用固态光源进行有效拟合的问题。

本发明的技术方案之一是通过以下措施来实现的：一种用于可见光无线技术改进粒子群优化组合波束拟合方法，包括：

获得非朗伯商用固态光源的实测数据，实测数据包括将非朗伯商用固态光源在不同空间方位的辐射强度在三维空间中逐点测试，产生的实际测量值；

构建初始的非朗伯商用固态光源波束模型；

根据初始的非朗伯商用固态光源波束模型获得粒子群，利用粒子群优化算法对粒子群进行优化，输出最优解，其中，粒子群包括若干粒子，粒子为利用非朗伯商用固态光源的实测数据，得到的波束多个函数的关联系数所对应的一维矢量；

根据最优解确定拟合后的非朗伯商用固态光源波束模型。

下面是对上述发明技术方案的进一步优化或/和改进：

上述初始的非朗伯商用固态光源波束模型包括：

初始的非朗伯商用固态光源波束模型，若其波束为圆周对称，则如下所示：

其中，θ为光波束出射方向的俯仰角；n1和n2分别为初始设定中所引入的余弦功率函数和高斯功率函数的个数；a1i、a2i、a3i分别为第i个余弦功率函数的幅度系数、相位偏移系数和功率系数；b1j、b2j、b3j分别为第j个高斯功率函数的幅度系数、相位偏移系数和相位归一化系数；c是高斯功率函数内的指数衰减常数；

初始的非朗伯商用固态光源波束模型，若其波束为非圆周对称且波束边缘平滑型，则如下所示：

其中，θ为光波束出射方向的俯仰角，φ为光波束出射方向的方位角；n1和n2分别为初始设定中所引入的余弦功率函数和高斯功率函数的个数；a1i、a2i、a3i分别为第i个余弦功率函数的幅度系数、相位偏移系数和功率系数；b1j、b2j、b3j、b4j分别为第j个高斯功率函数的幅度系数、相位偏移系数、余弦归一化系数和正弦归一化系数；c是高斯功率函数内的指数衰减常数；

初始的非朗伯商用固态光源波束模型，若其波束为非圆周对称且波束边缘锐利型，则如下所示：

其中，θ为光波束出射方向的俯仰角，φ为光波束出射方向的方位角；gi(θ)为gi(θ)＝gi1-gi2exp[-gi3(|θ|-gi4)²]；阶跃函数ui为系数函数gi5(φ)为峰值角度函数θip(φ)为

上述根据初始的非朗伯商用固态光源波束模型获得粒子群，利用粒子群优化算法对粒子群进行优化，输出最优解，包括：

根据初始的非朗伯商用固态光源波束模型构造粒子群，其中，粒子群包括若干粒子，粒子为利用非朗伯商用固态光源的实测数据得到的波束多个函数的关联系数所对应的一维矢量；

构造权重因子、学习因子和造价函数；

根据权重因子、学习因子和造价函数，对粒子群执行启发式搜索；

设定搜索终止条件组，利用搜索终止条件组判断是否终止搜索，响应于满足搜索终止条件组中任意一个搜索终止条件，则终止搜索，输出最优解。

上述搜索终止条件组，包括：

粒子群的搜索次数等于预设的最大迭代次数；

搜索获得粒子群中最优粒子个体的造价函数大于预设的门限值；

临近几代粒子群中最优粒子个体的造价函数的绝对差异度小于预设的偏差设定。

上述造价函数，包括：

计算拟合的非朗伯商用固态光源波束模型在各个已测空间方向的波束强度与实测数据中所对应的波束强度之间的偏差，对各个偏差的绝对值累积求和；

对实测数据中各个波束强度进行累计求和；

计算各个偏差的绝对值累积求和结果与实测数据累计求和结果之间的绝对差值；

计算绝对差值与非朗伯led波束模型的实测数据累计求和之间的相对比值。

本发明的技术方案之二是通过以下措施来实现的：一种用于可见光无线技术改进粒子群优化组合波束拟合装置，包括：

导入单元，获得非朗伯商用固态光源的实测数据，实测数据包括将非朗伯商用固态光源在不同空间方位的辐射强度在三维空间中逐点测试，产生的实际测量值；

模型构建单元，构建初始的非朗伯商用固态光源波束模型；

粒子群优化计算单元，根据初始的非朗伯商用固态光源波束模型获得粒子群，利用粒子群优化算法对粒子群进行优化，输出最优解，其中，粒子群包括若干粒子，粒子为利用非朗伯商用固态光源的实测数据，得到的波束多个函数的关联系数所对应的一维矢量；

确定单元，根据最优解确定拟合后的非朗伯商用固态光源波束模型。

本发明将粒子群优化算法引入到可见光无线技术商用光源组合波束优化拟合的实用化设计中，利用粒子群优化算法对初始的非朗伯商用固态光源波束模型的多个基础函数中各关联系数进行启发式搜索优化，充分发挥粒子群优化算法搜索结果全局最优性强的优点，避免了其他优化算法过早收敛，使得陷入局部最优的局限性的问题。本发明实施例通过构建初始的非朗伯商用固态光源波束模型，根据初始的非朗伯商用固态光源波束模型获得粒子群，利用粒子群优化算法对粒子群进行优化，输出最优解，实现非朗伯商用固态光源波束模型的拟合，整个拟合过程没有许多参数的调节，且逼近最优解的速度块，能有效的对系统的参数进行优化，满足关联函数的优化过程。同时能应用于基于非朗伯商用固态光源的可见光通信应用场景、基于非朗伯商用固态光源的可见光定位应用场景等多种应用场景。

附图说明

附图1为本发明实施例的方法流程图。

附图2为本发明实施例二维空间的拟合效果示意图。

附图3为本发明实施例三维空间的拟合效果示意图。

附图4为本发明实施例中粒子群优化的方法流程图。

附图5为本发明实施例中构造粒子群的方法流程图。

附图6为本发明实施例中启发式搜索的方法流程图。

附图7为本发明实施例中搜索终止条件组判断的的方法流程图。

附图8为本发明实施例的结构示意图。

具体实施方式

本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。

下面结合实施例及附图对本发明作进一步描述：

实施例1：如附图1、2、3所示，本实施例公开了一种用于可见光无线技术改进粒子群优化组合波束拟合方法，包括：

步骤s101，获得非朗伯商用固态光源的实测数据，实测数据包括将非朗伯商用固态光源在不同空间方位的辐射强度在三维空间中逐点测试，产生的实际测量值；

步骤s102，构建初始的非朗伯商用固态光源波束模型；

步骤s103，根据初始的非朗伯商用固态光源波束模型获得粒子群，利用粒子群优化算法对粒子群进行优化，输出最优解，其中，粒子群包括若干粒子，粒子为利用非朗伯商用固态光源的实测数据，得到的波束多个函数的关联系数所对应的一维矢量；

步骤s104，根据最优解确定拟合后的非朗伯商用固态光源波束模型。

通过上述步骤本发明实施例将粒子群优化算法引入到可见光无线技术商用光源组合波束优化拟合的实用化设计中，利用粒子群优化算法对初始的非朗伯商用固态光源波束模型的多个基础函数中各关联系数进行启发式搜索优化，充分发挥粒子群优化算法搜索结果全局最优性强的优点，避免了其他优化算法过早收敛，使得陷入局部最优的局限性的问题。本发明实施例通过构建初始的非朗伯商用固态光源波束模型，根据初始的非朗伯商用固态光源波束模型获得粒子群，利用粒子群优化算法对粒子群进行优化，输出最优解，实现非朗伯商用固态光源波束模型的拟合，整个拟合过程没有许多参数的调节，逼近最优解的速度块，且能满足关联函数的优化过程。同时能应用于基于非朗伯商用固态光源的可见光通信应用场景、基于非朗伯商用固态光源的可见光定位应用场景、基于非朗伯商用固态光源的可见光传感应用场景、基于非朗伯商用固态光源的可见光测距应用场景、基于非朗伯商用固态光源和传统射频(rf)技术的混合通信应用场景等多种应用场景。

上述步骤s101中，获得非朗伯商用固态光源的实测数据，即将非朗伯商用固态光源在不同空间方位的辐射强度在三维空间中逐点测试，产生的实际测量值，其测量工具可使用分光光度计，且实际测量获得的不同空间方位的辐射强度通过测量数据表单(典型格式为excel)的形式呈现。本实施例录入非朗伯商用固态光源的实测数据后，可光波束出射方向俯仰角θ，为光波束出射方向方位角φ，来构造在俯仰角θ和方位角φ两个维度的二维实测数据矩阵。

实施例2：如附图1所示，本实施例公开了一种用于可见光无线技术改进粒子群优化组合波束拟合方法，其中初始的非朗伯商用固态光源波束模型进一步包括：

初始的非朗伯商用固态光源波束模型，若其波束为圆周对称，则如下所示：

其中，θ为光波束出射方向的俯仰角；n1和n2分别为初始设定中所引入的余弦功率函数和高斯功率函数的个数；a1i、a2i、a3i分别为第i个余弦功率函数的幅度系数、相位偏移系数和功率系数，为不失一般性，a1i的取值范围可为[0，1]，a2i的取值范围可为[0，90°]，a3i的取值范围可为[0，100]；b1j、b2j、b3j分别为第j个高斯功率函数的幅度系数、相位偏移系数和相位归一化系数，为不失一般性，b1j的取值范围可为[0，1]，b2j的取值范围可为[0,90°]，b3j的取值范围可为[0，90°]；c是高斯功率函数内的指数衰减常数，用于调节高斯功率函数的衰减速率。

初始的非朗伯商用固态光源波束模型，若其波束为非圆周对称且波束边缘平滑型，则如下所示：

其中，θ为光波束出射方向的俯仰角，φ为光波束出射方向的方位角；n1和n2分别为初始设定中所引入的余弦功率函数和高斯功率函数的个数；a1i、a2i、a3i分别为第i个余弦功率函数的幅度系数、相位偏移系数和功率系数，为不失一般性，a1i的取值范围可为[0，1]，a2i的取值范围可为[0，90°]，a3i的取值范围可为[0，100]；b1j、b2j、b3j、b4j分别为第j个高斯功率函数的幅度系数、相位偏移系数、余弦归一化系数和正弦归一化系数为不失一般性，b1j的取值范围可为[0，1]，b2j的取值范围可为[0,90°]，b3j与b4j的取值范围分别可为[0，1]；c是高斯功率函数内的指数衰减常数，用于调节高斯功率函数的衰减速率。

初始的非朗伯商用固态光源波束模型，若其波束为非圆周对称且波束边缘锐利型，则如下所示：

其中，θ为光波束出射方向的俯仰角，φ为光波束出射方向的方位角；gi(θ)为gi(θ)＝gi1-gi2exp[-gi3(|θ|-gi4)²]；阶跃函数ui为系数函数gi5(φ)为峰值角度函数θip(φ)为这里可调参数包括gi1、gi2、gi3、gi4、gi5x、gi5y、θipx、θipy、mi。其中，gi1、gi2、gi3、gi4、gi5x、gi5y、mi的取值范围可为[0,100]；θipx、θipy的取值范围可分别为[0,90°]。

实施例3：如附图4所示，本实施例公开了一种用于可见光无线技术改进粒子群优化组合波束拟合方法，其中根据初始的非朗伯商用固态光源波束模型获得初始粒子群，利用粒子群优化算法对初始粒子群进行优化，输出最优解，进一步包括：

步骤s201，根据初始的非朗伯商用固态光源波束模型构造粒子群，其中，粒子群包括若干粒子，粒子为利用非朗伯商用固态光源的实测数据得到的波束多个函数的关联系数所对应的一维矢量；

步骤s202，构造权重因子、学习因子和造价函数；

步骤s203，根据权重因子、学习因子和造价函数，对初始粒子群执行启发式搜索；

步骤s204，设定搜索终止条件组，利用搜索终止条件组判断是否终止搜索，响应于满足搜索终止条件组中任意一个搜索终止条件，则终止搜索，输出最优解。

上述步骤s201中，粒子群的构造过程如图5所示，粒子群包括若干粒子，每个粒子构成过程包括利用非朗伯商用固态光源的实测数据得到波束多个函数的关联系数，以该关联系数构成一维矢量x，该一维矢量x构成粒子个体；具体形式如下：

对于初始的非朗伯商用固态光源波束(圆周对称)模型，对应的一维位置矢量x具体为：x＝[a11a21a31a12a22a32…a1n1a2n1a3n1b11b21b31b12b22b32…b1n2b2n2b3n2]；

对于初始的非朗伯商用固态光源波束(非圆周对称，波束边缘平滑型)模型，对应的一维位置矢量x具体为：x＝[a11a21a31a12a22a32…a1n1a2n1a3n1b11b21b31b41b12b22b32b42…b1n2b2n2b3n2b4n2]。

对于初始的非朗伯商用固态光源波束(非圆周对称，波束边缘锐利型)模型，对应的一维位置矢量x具体为：

上述步骤s202中，构造权重因子、学习因子和造价函数，具体如下：

(一)权重因子w(即惯性权重因子)，能直接的影响粒子全局搜索及局部搜索之间的能力分配，客观上展示粒子之前速度矢量对新一代速度矢量的影响。一般地，当权重因子w取值较大时，算法的全局搜索能力较强，有助于提升优化搜索过程的收敛速度，反之则局部搜索能力较强，有助于提升优化搜索过程的收敛精度。

本实施例中引入两类候选权重因子，分别是静态权重因子和动态权重因子。其中静态权重因子w＝wstatic，在优化搜索过程中，将权重因子始终设定为固定取值，因而权重因子构造的复杂度最低，为不失一般性，本实施例中静态权重因子wstatic的取值范围可为[0.7,1.4]，典型取值可为：0.7、0.9、1.2等；动态权重因子w＝wdynamic，该类权重因子在优化搜索过程的前期阶段设定取值较大，以期完成更好的全局搜索表现，随着粒子群优化迭代次数的增加，权重因子取值逐渐减小，这样一来，在优化搜索过程的后期阶段，能凭借较小的权重因子实现更佳的局部搜索表现，故而为不失一般性，本实施例中动态权重因子wdynamic的取值表达式可为：

wdynamic＝wmin+(wmax+wmin)s^(n-1)

其中，wmin为最小权重值，wmax为最大权重值，n为当前迭代次数,s为权重缩放系数，为不失一般性，本实施例中动态权重因子wdynamic最小权重值的候选取值可为0.5、0.7、0.9；最大权重值的候选取值可为1.0、1.2、1.4；权重缩放系数的候选取值可为0.8、0.85、0.9、0.95。

(二)学习因子(即为加速因子或者认知因子)，学习因子包括c1和c2，其中，c1用于调整单个粒子向个体最优方向飞行，c2用于调整单个粒子向群体最优方向飞行。

本实施例中引入两类候选学习因子，分别是静态学习因子和动态学习因子。其中，静态学习因子c1＝c1static，c2＝c2static，在优化搜索过程中，将学习因子始终设定为固定取值，因而学习因子构造的复杂度最低，为不失一般性，本实施例中静态学习因子c1static和c2static的取值范围可为[1.2，2.2]，典型取值可为1.5、1.75、2.0等；动态权重因子c1＝c1dynamic，c2＝c2dynamic，此类权重因子的设计思想是尽可能增加粒子群的多样性，避免使得种群过早收敛于局部最优解，为不失一般性，本实施例中动态权重因子c1和c2的取值表达式可为：

其中，c1max和c2max分别为c1和c2的最大学习因子；c1min和c2min分别为c1和c2的最小学习因子，n为当前迭代次数,niter为最大迭代次数，为不失一般性，本实施例中c1max和c2max典型取值可为2.0、2.2、2.4等；c1min和c2min典型取值可为0.15、0.2、0.25等，最大迭代次数niter典型值可为50、60、70等。

(三)造价函数应反映所拟合出的非朗伯商用固态光源波束模型与实际测量获得非朗伯商用固态光源波束特性的匹配程度，即二者之间匹配程度越高，则对应的造价函数取值越远离0％并接近100％，两者之间匹配程度越差，则对应的造价函数取值越接近0％并偏离100％，由此构造造价函数，具体包括：

1、计算拟合的非朗伯商用固态光源波束模型在各个已测空间方向的波束强度与实测数据中所对应的波束强度之间的偏差，对各个偏差的绝对值累积求和；

2、对实测数据中各个波束强度进行累计求和；

3、计算各个偏差的绝对值累积求和结果与实测数据累计求和结果之间的绝对差值；

4、计算绝对差值与非朗伯商用固态光源波束模型的实测数据累计求和之间的相对比值。

上述步骤s203，根据权重因子、学习因子和造价函数，对粒子群执行启发式搜索，这里启发式搜索即为更新每个粒子的历史最佳取值，以及整个粒子群的历史最佳粒子，完成整个粒子群的更新。

启发式搜索过程如附图6所示，包括：

步骤s2031，获得第n-1次搜索迭代的粒子群，经权重因子w和学习因子c1和c2后，输出第n次搜索迭代第k个粒子中m位置的速度vk,m(n+1)。

其中vk,m(n+1)＝wvk,m(n)+r1c1(pk,m(n)-xk,m(n))+r2c2(gm(n)-xk,m(n))，扩展至一般情况下，粒子群中第k个粒子中的m个位置的速度可通过下式获得：

其中，k为该粒子在种群中的序号，其取值范围为1≤k≤k，k为粒子群的规模，也就是粒子群中所包含的粒子的数量，m为在粒子一维位置矢量的位置编号，其取值范围为1≤m≤m，m为粒子一维位置矢量的长度，也就是初始的非朗伯商用固态光源波束模型主要可调参数的数量；vk,m(n)为上一次迭代后第k个粒子中的第m个位置的速度；r1与r2为两个随机收缩系数，其取值范围为(0,1)；为上一次迭代后第k个粒子中的第m个位置历史最佳取值；xk,m(n)为上一次迭代后第k个粒子中的第m个位置取值；为上一次迭代后粒子群中历史最佳粒子在第m个位置取值；

步骤s2032，对第k个粒子中m位置进行更新，获得第k个粒子中m位置xk,m(n+1)。

其中,xk,m(n+1)＝xk,m(n)+vk,m(n+1)，扩展至一般情况下，粒子群中第k个粒子中的m个位置更新可通过下式获得：

其中，n代表第n次启发式优化迭代，vk,m(n+1)代表此次迭代中第k个粒子中的第m个位置的速度。

步骤s2033，根据步骤2输出第n次搜索迭代第k个粒子，如下所示：

xk,1(n+1)xk,2(n+1)xk,3(n+1)xk,4(n+1)xk,5(n+1)...xk,m(n+1)。

步骤s2034，输出第n次迭代粒子群，如下所述：

x1(n+1)x2(n+1)x3(n+1)x5(n+1)x6(n+1)...xk(n+1)。

步骤s204，设定搜索终止条件组，利用搜索终止条件组判断是否终止搜索，响应于满足搜索终止条件组中任意一个搜索终止条件，则终止搜索，输出最优解(即为该次搜索迭代产生的粒子群)，响应于不满足搜索终止条件组中任意一个所有搜索终止条件，则以本次搜索迭代更新后粒子群，进行再一次的搜索迭代。利用搜索终止条件组判断是否终止搜索具体如附图7所示。

其中搜索终止条件组，包括：

1、粒子群的搜索次数等于预设的最大迭代次数；

2、搜索获得粒子群中最优粒子个体的造价函数大于预设的门限值；

3、临近几代(预设代数典型值可为：10，15等)粒子群中最优粒子个体的造价函数的绝对差异度小于预设的偏差设定。

实施例4，如附图8所示，本实施例公开了一种用于可见光无线技术改进粒子群优化组合波束拟合装置，包括：

导入单元，获得非朗伯商用固态光源的实测数据，实测数据包括将非朗伯商用固态光源在不同空间方位的辐射强度在三维空间中逐点测试，产生的实际测量值；

模型构建单元，构建初始的非朗伯商用固态光源波束模型；

粒子群优化计算单元，根据初始的非朗伯商用固态光源波束模型获得粒子群，利用粒子群优化算法对粒子群进行优化，输出最优解，其中，粒子群包括若干粒子，粒子为利用非朗伯商用固态光源的实测数据得到的波束多个函数的关联系数所对应的一维矢量；

确定单元，根据最优解确定拟合后的非朗伯商用固态光源波束模型。

实施例5，该存储介质，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行用于可见光无线技术改进粒子群优化组合波束拟合方法。

上述存储介质可以包括但不限于：u盘、只读存储器、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

实施例6，该电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现用于可见光无线技术改进粒子群优化组合波束拟合方法。

上述电子设备还包括传输设备、输入输出设备，其中，传输设备和输入输出设备均与处理器连接。

以上技术特征构成了本发明的最佳实施例，其具有较强的适应性和最佳实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。