基于可见光通信与惯性传感器融合的室内定位方法及平台与流程

本发明涉及一种基于可见光通信与惯性传感器融合的室内定位方法及其平台，属于室内无线定位技术领域。

背景技术：

可见光通信是可见光波段的光作为信息载体进行通信的方式，也是近年来兴起的无线光通信技术，既具有无线通信的灵活性，又可节约日益紧张的无线电频谱资源。可见光通信基于室内led(lightemittingdiode，led)照明的基础，在实际应用中，可以兼顾照明和通信两个方面的用途，即节约能源又减少了通信设施的资金投入。可见光通信速率快，无射频辐射，保密性好，抗干扰能力强，不需要架设光纤，适用于对电磁干扰敏感的特殊场合，在短距离通信中有着极大的发展潜力，己经成为了国内外无线通信领域研究的热点。

惯性定位系统的理论依据是牛顿经典力学，利用加速度计和陀螺仪实时采集目标载体的加速度、角速度等位置信息，通过积分运算求解目标载体的运动速度、姿态、位移等信息。惯性定位系统通常会集成磁强计，用于方位角度的计算。惯性定位系统不依赖于任何外部信息(声、光、电、磁等)，可以在外太空、地表以下甚至水下工作，基本不受外界或人为干扰。此外，惯性定位系统具有实时性、高精度、高稳定性等特点。

单一定位技术虽然可以在特定的环境下满足人们的需求，但不可避免地都存在着缺陷，比如定位精度差、系统复杂、硬件成本高以及抗干扰能力差等问题，难以适应大众化的定位需求。因此，一些研究试图通过两种或多种定位技术的融合实现优势互补，使融合定位技术的普适性更强。但是，目前已有的融合定位普遍存在定位精度低、抗干扰能力差等问题。

技术实现要素：

为解决现有技术中可见光定位易受环境遮挡或干扰、惯性传感器存在累积误差等问题，本发明提供一种基于可见光通信与惯性传感器融合的室内定位方法及其平台，通过融合定位方法实现高精度的室内定位。

为解决上述技术问题，本发明提供了一种基于可见光通信与惯性传感器融合的室内定位方法，基于可见光通信rss数据和距离的传播模型以及rss归一化校准模型，结合惯性传感数据的校准模型对数据进行校准，包括以下步骤：

s1.在定位开始前，在可见光照射区域内统计随机分布的盲节点接收到的rss数据以及盲节点与各rss数据对应锚节点的距离值，将rss值归一化后得到rss-距离模型，计算采集数据的真实距离值与模型计算距离值的均方差，建立rss归一化校准模型；

在定位开始前，随机多次采集盲节点静止状态与运动状态下的惯性传感数据，得到惯性传感数据的校准模型，给出校准模型中的误差因子线性模型，对其进行自适应卡尔曼滤波，优化校准模型；

s2.在定位数据采集过程中，利用优化后的校准模型对可见光通信rss数据进行归一化标准，根据rss-距离模型计算得到盲节点与锚节点的距离，利用优化后的校准模型对惯性传感数据进行校准，计算得到单位时间位移距离与位移方向，根据误差因子线性模型，进行只适应卡尔曼滤波，更新误差因子与惯性传感数据的标准模型；

s3.在定位数据融合计算时，利用盲节点与锚节点的水平距离，结合惯性传感数据计算得到位移距离与位移方向，根据当前定位时刻定位环境下采集到的可见光通信rss数据的数量，计算得到盲节点位置。

进一步的，步骤s3中根据当前定位时刻定位环境下采集到的可见光通信rss数据的数量，结合惯性传感数据计算得到位移距离与位移方向；

若采集到大于1个rss数据，离锚节点距离越近的rss数据误差越小，根据距离值计算权重，采用加权的最小二乘法计算；

若采集到一个rss数据则结合移动方向计算；

若没有采集到rss数据则利用惯性传感数据计算。

本发明还公开了一种基于可见光通信与惯性传感器融合的室内定位方法的定位平台，包括锚节点、盲节点和定位服务器，所述盲节点包括光电转换器、无线信号接收器和arm处理器，将获取到的可见光通信rss数据与惯性传感数据发送至定位服务器。

有益效果：本发明与现有技术相比，本发明充分考虑可见光通信定位的局限性问题与惯性定位的累积误差问题，通过惯性定位弥补可见光通信定位收到遮挡干扰的问题，通过校准模型解决惯性定位的累积误差问题，在可见光照射范围内采用可见光rss数据结合惯性传感数据的融合定位方式，提高定位精度并校准惯性定位数据，在可见光照射范围外则采用惯性定位，弥补了可见光rss数据定位的局限性，通过可见光通信定位技术与惯性传感定位技术的融合，实现室内高精度定位。

附图说明

图1是基于可见光通信与惯性传感器融合的室内定位方法流程图。

图2是可见光通信与惯性传感器的融合定位平台示意图。

图3是融合定位三种数据采集情况示意图。

具体实施方式

本发明为基于可见光通信与惯性传感器融合的室内定位方法，采集数据建立校准模型与rss-距离模型，对定位数据进行校准计算，根据数据获取情况采用相应的计算方法计算盲节点坐标，方法的主要步骤如图1所示，下面结合附图对本发明方案设计作进一步的具体分析和描述。

如图2所示，融合定位平台主要分成三部分：锚节点(图2中的led)、盲节点与定位服务器，盲节点为控制器包括光电转换器、无线信号接收器和arm处理器，将获取到的可见光通信rss数据与惯性传感数据发送至定位服务器，基于可见光通信与惯性传感器融合的室内定位方法则在定位服务器上运行得到定位结果，具体包括以下步骤：

(1)在定位开始前，多次采集随机分布的盲节点在可见光照射区域内的rss值rss＝{rss1，…，rssi，…，rssc}以及盲节点与各rss对应锚节点的距离值r＝{r1，…，ri，…，rc}，将rss数值归一化后得到rss-距离模型：

r(ui)＝p0+p1·ui+p2·ui²+p3·ui³+p4·ui⁴(1)

其中，参数p0＝58，p1＝-76，p2＝-11，p3＝116，p4＝-84，ui为归一化校准后的rss数值，根据模型与真实值之间的误差，建立的rss归一化校准模型计算公式如下：

ui＝u(rssi)＝g·(rssi+br)+nr(2)

其中，g为归一化增益，br为偏差值，nr为加性高斯噪声，增益与偏差值的计算如下：

其中，u(rssi)0＝u(rssi|br＝0)。

定位过程中，采集到的数据可以对rss归一化校准模型进行修正，更新归一化增益与偏差值，可以使该模型减小由于使用时长引起的温飘误差。

(2)在定位开始前，随机多次采集盲节点静止或运动状态下的惯性传感数据，得到惯性传感数据的校准模型：

其中，加速度a＝[axayaz]^t，角速度ω＝[ωαωβωγ]^t。其中和为测量的加速度值和角速度值，nac和nav为加性高斯噪声。为地球坐标系到载体坐标系的转换矩阵。

根据测量的加速度，可以推出速度误差因子的线性更新模型表示为：

其中，δa为加速度改变值，ωe为地球旋转引起的向心加速度。加速度与角速度的误差因子线性更新模型可以表示为和对误差因子进行自适应卡尔曼滤波，其状态向量和测量向量为

(3)在定位过程中，利用校准模型公式(2)对可见光通信rss数据进行归一化校准，根据rss-距离模型公式(1)计算得到盲节点与锚节点的距离。

根据公式(5)和公式(6)对惯性传感数据进行校准，利用惯性传感数据可以计算得到单位时间位移距离与位移方向：

其中，vk为k时刻速度值，αk为k时刻位移方向，t为单位时间。根据误差因子线性模型，进行自适应卡尔曼滤波，更新误差因子，对惯性定位数据校准模型进行修正，可以使该模型适应由于使用时长引起的累积误差。

(4)数据融合的定位计算时，根据当前定位时刻定位环境下采集到的可见光通信rss数据的数量，在采集到多个rss数据时，根据采集到的rss值可以计算得到相应的距离值，由于对应的锚节点坐标已知，由惯性传感数据计算得到的位移距离lk＝vk·t，可以得到以下方程组：

其中，(xk，yk)为当前盲节点位置坐标，ri，k为k时刻盲节点到锚节点i的距离值，(x⁽ⁱ⁾，y⁽ⁱ⁾)为锚节点i的位置坐标。离锚节点距离越近的rss数据误差越小，因此根据距离值设定权重wls，从而得到加权的最小二乘法来计算盲节点位置。基于距离值的权重计算公式为：

由此可以求解得到盲节点最佳坐标位置sk＝[xkyk]^t为：

采集到多个rss数据的情况如附图3中的casea所示，则利用公式(11)-(13)可以计算得到定位坐标。若仅采集到一个rss数据，如附图3中的caseb，则利用这个rss数据对应的距离值，结合惯性传感数据计算得到的位移距离与移动方向进行定位计算：

若当前定位时刻没有采集到rss数据，如附图3中的casec，则利用惯性传感数据计算得到当前盲节点位置：