一种新颖的室内移动定位系统基于光学相机的沟通

文摘

本地化智能手机在室内环境中为电子商务提供了良好的机会。在本文中,我们提出一个定位技术,智能手机在室内环境。这种方法可以计算智能手机使用现有的坐标和发光二极管(led)照明设施。系统可以定位智能手机没有进一步修改现有的LED灯的基础设施。智能手机没有固定位置,他们可能经常在一个环境。我们的算法使用多个(即。,米ore than two) LED lights simultaneously. The smartphone gets the LED-IDs from the LED lights that are within the field of view (FOV) of the smartphone’s camera. These LED-IDs contain the coordinate information (e.g.,- - -LED灯的协调)。同时,图像传感器的像素区域(是)的投影图像与智能手机之间的相对运动变化和每一个LED灯,使得算法来计算智能手机的距离了。在本文的最后,我们目前的模拟结果预测未来可能的智能手机的位置使用卡尔曼滤波器来减少时间延迟坐标计算。这些模拟结果表明,位置分辨率可以保持在10厘米。

1。介绍

如今,移动设备的数量(即。智能手机)显著增加。这些设备有一个巨大的商业应用的空间,例如,服务、电子商务、电子银行。推进面向消费者的商业应用,基于位置的服务(LBS)智能手机需要改进。移动设备的位置是不可预测的;一个可靠的、动态、准确、situation-adaptive本地化技术需要磅(1]。此外,这种技术应该是安全,中断免费。这磅方法不会增加消费活动没有可靠的定位系统。定位方案设计应考虑室内和室外环境。室内定位是最有前途的电子商务应用程序,其中大多数是基于室内。智能手机访问密度是最高的在购物中心、超级市场,公交站点(即。、铁路、巴士和地铁)。室内环境是中心几乎所有基于web的业务应用程序。室外定位方案也承诺和可以改进的见解从室内本地化解决方案。

工业和学术研究机构最近兴趣室内智能手机定位的问题,和各种方案被提出来2,3]。最常见的和广泛使用的室内定位系统依靠全球定位系统(GPS) (4]。此外,这个系统有三个特定的限制(例如,可怜的GPS信号接收,GPS信号的损失,和有限的定位准确性)(5特别是在室内环境中。这个系统不适合地下或室内定位。自从从卫星信号接收器应该视距(LOS),和建筑,土壤,水,树木,甚至恶劣的天气抑制这个信号。飞行时间(TOF)相机是另一个可能的候选人本地化解决方案(6]。除了它的优点,该系统是过于昂贵,有时需要实施复杂的场景使它适合独特的方法。TOF相机也有一些其他的缺点;它只是用于探测和测距的目的和不便于沟通的目的7]。接收信号强度指示(RSSI),到达时间(TOA),到达时差(辐射源脉冲)和到达角(AOA)无线电信号的物理参数,可用于定位与特殊的分布式监控(8,9]。其他方法用于室内定位包括计算机视觉(CV)和人工智能(AI) (10]。这些方法都适合室内定位。例如,RSSI取决于环境条件。阴影影响,路径损耗,信号衰落和干扰邻近细胞(11]。因此,错误可以被包括在计算值。相反,窄带信号,减少了数据传输速度,精度和更低的位置可以抑制在辐射源脉冲参数(12]。其他方法结合RSSI和AI不能减轻室内定位的挑战因为主观和客观数据从人工智能对新的输入数据产生影响13]。系统性能的基础上改进,它可能提供反馈系统的输入。同时,它将导致对新数据产生巨大影响如果输入变量变化快。另一种方法,从照片摄影测量,测量对象的位置。这是一个非常简单的方法来生成一个地图从顺序拍摄的照片14]。

应对现有的挑战对于室内定位系统,光学频率乐队在电磁波谱是一种新型的候选人,避免与射频(RF)典型的问题。光学频率使用的通信技术被称为光学无线通信(油水界面)。油水界面的有前途的子系统是光学相机通信(OCC),多个发光二极管作为发射器和一个相机或图像传感器(是)用作接收器15]。在一个室内环境中,OCC的通信信道是不间断的,信噪比(信噪比)高,安全是保证由洛杉矶沟通、简单的信号处理确认,高速通信是可能的(16]。OCC多输入多输出(MIMO)功能(17)是理想的分析很多对象在同一时间。因此,OCC为室内定位系统是一个很好的技术。此外,OCC不仅为本地化也有用的沟通。自2011年以来,IEEE已经形成了一个新的工作组完成标准化规范(即。IEEE 802.15.7) (18]。OCC标准化规范的发展将在2018年年中完成。

在该方案,智能手机通过信号从LED照明灯位于使用OCC和摄影测量。使用OCC技术,智能手机相机接收LED-ID信号从每个LED灯(或设备)。这LED-ID像坐标 LED灯。的大小领导的形象固定在相机的影像传感器与智能手机之间的相对距离变化和夹具。这个距离是计算使用摄影测量有助于找到剩下的协调智能手机。优化分辨率,卡尔曼滤波器应用于精确预测未来可能的智能手机的位置。

剩下的纸是组织如下。节2室内定位系统上,我们调查几个文献。我们的方案是照亮3。节4信道建模和沟通解释。距离计算和本地化的过程是在部分5。节6使用卡尔曼滤波器,提出了系统的性能评估。最后,我们总结一下我们的工作和未来的研究方向7。

2。相关的工作

在本节中,几个室内定位方案进行了总结。基于油水界面的室内定位可分为三种方式:三角,指纹,是附近的方法。三角几何位置是必需的。指纹识别是场景分析方法和附近的方法是网格方法。在[19),介绍了定位和导航的帮助下建立一个摄像头和室内环境的新定义的3 d地图。作者尝试可能的方法提高系统的准确性和可靠性通过一些实验。他们主要集中在不同的应用程序,例如,移动机器人导航、交通、访客指导,安全,和紧急服务。以同样的方式,作者在20.]提出一个应用系统使用相机的主要传感器对象检测、跟踪、和本地化为分布式传感、通信、并行计算。他们用相机节点作为输入的传感器融合技术以减少计算机系统障碍如扩展卡尔曼滤波(EKF)和最大似然(ML)。他们也测试调查对象移动。提出了系统的缺点是缺乏自动测定传感器的位置。室内环境,提出了一种应用导航系统使用增强现实在21]。他们认识到一个位置自动使用图像序列是在室内环境,然后意识到增强现实的完美叠加用户视图的详细位置信息。他们使用可穿戴移动PC相机图像序列和图像传递给远程PC为未来处理。使用他们提出的系统,发现平均位置识别成功率在89%左右。此外,它的性能与恶劣的环境会恶化情况。在[22),提出了基于神经网络和OCC室内定位系统。他们估计相机位置训练和未经训练的环境。误差估计相机位置小于10毫米,这可以增加多达200毫米。然而,错误取决于相机的位置。在[23),作者展示了一个系统的定位和方向上覆照相手机的位置信息在一个室内环境。他们发现一个位置从图像的帮助下现有的标准硬件。他们过程在很短的时间内较少的数据来生成准确的数据。提出系统的局限性在处理整个环境,他们必须提高特征检测和匹配,同时保持低延迟。他们提出了导航系统是复杂的和非常昂贵的在一个标准的照相手机。在[24),作者提出辐射测量和OCC相机相机的几何模型。他们认为室内环境在50厘米的相机模型分离为led和led灯之间的距离是200厘米。

3所示。总体架构

我们提出一个定位方案,智能手机可以坐落在一个室内环境的帮助下LED灯和智能手机的相机。在我们的方案中,我们考虑几个因素来确定在室内环境中智能手机的位置。如图1,所有LED灯装置连接到天花板,天花板和地板之间的距离为特定的室内环境是恒定的,智能手机的相机必须在LED灯具的照明下,必须有至少三个LED灯的视野(FOV)的相机,而智能手机保持持续与照明通信服务器。基于照明服务器提供api的访问可再生的、基于web的可视化。相机的视场的立体角等是可以感知电磁辐射可见光。系统性能改善如果相机视场内LED灯的数量增加,我们的算法需要至少三个灯具提供精确定位测量。对于我们的系统,LED灯设备坐标是平行世界坐标系统。天花板和地板之间的垂直距离(即,协调)等于所有的LED灯协调的灯具是反方向坐标。然而,智能手机的相机坐标变化频繁对LED灯具坐标。

如图2每个LED照明灯广播自己的坐标信息(例如,- - -协调)调制LED-ID信号。的坐标是相同的每一个LED灯在一个特定的室内环境。因此,这个词协调忽略LED-ID减少复杂性和数据包的大小。这些LED-IDs调制光信号传输。从LED灯收到信号后,智能手机在两种不同的方式处理数据。他们从收到的信号和识别LED-IDs测量LED灯的距离与相应LED-ID使用摄影测量。这个距离是衡量计算灯具的大小和数量的像素是相应的LED灯。的领导的几何图像大小是随光源和相机之间的距离。如果领导位于远离相机,图像的大小是小和相对大的形象将生成的LED灯靠近相机。

LED-IDs与相应的距离计算由智能手机发送到照明服务器通过无线保真(wi - fi)接入点(AP)。每个LED灯的坐标信息存储在服务器照明。从智能手机接收信号后,照明服务器匹配LED-ID信号的存储位置信息。该算法可以映射智能手机的位置。

与此同时,智能手机的位置可能会改变在这个处理时间。因此,照明服务器使用卡尔曼滤波跟踪算法,预测未来可能的位置从当前位置的智能手机。这个位置信息发送到智能手机。此外,LED光投影图像的变化随着智能手机。因此,LED灯的位置间隔应恒定距离以确保至少有三个LED灯的图片可在房间的任何位置。

4所示。信道建模和沟通

4.1。从led光传播模型

LED灯的辐射模式的影响粗糙度的芯片封装透镜的面孔和几何。几个模型是用来描述光从光源强度的方向(即。领导)。一个流行的方法是蒙特卡洛光线追迹(25]。在高斯(或余弦)配电(26),广泛地反映或折射光线。最后辐射光的模式应该出现线性超尖瘦地转移的每个追踪光线的入射角的函数由于广泛地反射或折射特征如图3。

能量通量/立体角称为发光强度和透射光功率的两种基本属性是LED灯等光源。作为发光强度 在哪里光通量和吗中心LED的发光强度。这光通量可以被定义为最小波长之间的集成, ,和最大波长, ,工作的光谱 在哪里是标准的光度曲线和是最大的光谱视觉功效。的能量通量积分在各个方向传播的光功率 ,作为

图4(一)和图显示LED光传播方向4 (b)显示了从一个光源辐射的强度。功率最大的40 dBm的中心光源在图表示为黄色4(一)和恶化−80 dBm表示为紫色,从中心到边缘的球体。加入光的平均功率的优势在某些- - -协调形成椭圆形状图4 (b)。因此,从邻近的微弱信号光源引起信号干扰。可以减轻这一问题通过消除背景噪音,完全控制相机的快门速度。

4.2。LED-ID光学相机沟通

每个LED灯都有一个固定的位置和坐标信息的每一个LED灯不同于其他LED灯在一个房间里。LED灯的坐标是平行的世界坐标。这些坐标LED-ID类似物。每一个LED灯传递自己的ID的相机可以声明为一个数字标记。为此,领导作为发射机接收机和照相机。

LED灯的数据被发送作为调制信号通过改变光的强度使用LED驱动集成电路(IC)。这个驱动程序调光控制光强度的领导通过各种方法。LED灯的数据可以编码在LED光信号的相位和相位可以改变通过将LED灯。然而,将LED灯将灯光关闭后的并不总是可能的。因此,建议至少昏暗的光线强度。这灯被称为IM / DD(强度调制/直接检测)调制(27]。可用的调制技术来传输信号从LED光源可以分类如下:(我)通断键控(显得)[28:两个逻辑信号的数字传输“1”和“0”表示为高和零电压传感器一端。这可以通过应用闪烁的照明的LED灯代表了发射器的开关状态。(2)脉冲宽度调制(PWM) [29日]:LED灯的调制信号传播的形式一个方波。的欲望水平获得脉冲通过调整使光线变暗。(3)脉冲位置调制(PPM) (30.]:光从LED编码信息是通过一次性的单脉冲传播转变。(iv)正交频分复用(OFDM) [31日]:发送数据的并行substreams使用多个正交的副载波调制数据通道。(v)频移键控(移频键控):可以由调制数字信号瞬时频率变化以一个恒定振幅。(vi)相移键控(相移键控)32:可以由数字信号基带信号的瞬时相位转移。

高速数据传输通道,利用OFDM的多径衰落和码间干扰的可能性很高(33]。尽管OFDM提供的巨大的优势,我们不能实现它,因为不需要高速数据传输大多数室内定位应用程序。在这种情况下,数据传输从led书是更好的选择。图5表明,编码和调制的光后,LED灯具与摄像机之间的数据传送的智能手机。我们系统解码了坐标,后的接收信号解调和解码图像处理器。

4.3。OCC信道建模

像素 的模型是34可以计算 在哪里代表energy-per-bit,代表spectral-noise-density,是单位像素值,信号的振幅,是相机曝光时间信号周期的比例,是一个噪声项, , 模型拟合参数对系统噪声。

考虑到扭曲的通道,signal-to-noise-plus-interference比率(SNIR)可以确定 在哪里平均像素强度传播的LED灯,平均失真系数的值介于1和0:也就是说, 。 表明最小信号丢失的LED灯是镜头和直接关注 表明没有生成图像像素图像传感器的相机。

加性高斯白噪声(AWGN)特性在相机频道(35),时空调制的信道容量由香农容量公式可以表示为 在哪里是智能手机相机的帧速率和是空间带宽,它代表了多少信息是由每个图像帧的像素。空间带宽等于正交或平行通道的数量在一个分布式天线系统。

误比特率(BER)取决于SNIR和调制方案措施的影响渠道。的噪声源影响LED的光信号传输的码间干扰、背景和发射机导致散粒噪声和热噪声。

现代智能手机使用基于互补金属氧化物半导体(CMOS)就是快门类型是滚动快门。快门技术,光的强度是一行一行地捕获和整个图像是由不同的像素数组。因此,暴露出像素阵列行记录之间的时间延迟的变化状态的LED灯照明的一组像素在一个图像。光学通道直流增益模型的信道特性LED灯的相机可以确定(36] 在哪里传感器的发射的顺序,是是,之间的距离是一个领导,是信号传输的光学滤波器系数,是入射角,是相机视场半角。在这里,可以被定义为

应考虑信道噪声(独立于信号特征)和LED-ID信号的数量计算通道输出如下: 在哪里 和是相机,反应性。

相机的平均光功率的是可以计算的

5。距离计算和本地化

5.1。LED灯和摄像机之间的距离计算

摄像机的基本操作说明图6领导的一个目标,一个图像光线投射的是相机。光从目标通过镜头和集中在板。是板上的投影是一个实像的LED灯具。

考虑到是相机的焦距,是镜头的距离目标LED灯,然后呢是距离焦距上的投影图像。因此,我们可以写

镜头的放大投影图像的比例大小的几何尺寸LED灯。如果相机项目一个正方形图像的高度和宽度的目标和投影图像 和 分别,那么镜头放大可以表示为

如果我们忽略光学通道的损失, 。更准确地说, 。通过结合(11)和(12),我们得到

图像的像素的数量的比例上的投影图像的大小是相同的单位像素面积传感器。如果像素的数量是,是单位像素面积,目标的面积是LED光源,然后我们获得吗

不同形状的灯具市场上是可用的。然而,是典型的矩形/正方形和圆灯具形状。对于圆形LED灯具,如果是圆的半径,那么的面积光源将成为 。相反,如果和矩形的宽度和长度是光源,分别之后的面积光源吗 。

如果我们只考虑智能手机视场内的LED灯,LED灯智能手机相机的距离是不同的,每一个光。相机直接面临的投影图像从LED灯比LED光的图像位于一个角度相同的相机。这些距离可以由(14必须修改),由于摄像机之间的相对运动和LED灯具。对于每一个镜头,焦距 ,和团结像素面积是固定的。相反,如果我们知道的真实的物理区域灯具,然后我们可以写(14), 在哪里 为每个相机和LED灯是恒定的。

图7显示了图像区域是不同的LED灯的距离相机。从(15),是LED灯具的距离的平方根成反比的图像区域。

5.2。场景图像面积的是相机的动态

智能手机是唯一的移动设备对室内环境的LED灯。相机的视场变化与智能手机的位置的变化。因此,LED灯的图片的相机也发生了变化。此外,照明设施必须设计的方式保持至少三个LED灯在每个摄像机的视场。图8描述了一个场景,在该场景中,LED灯被相机从4到5,由于智能手机的移动位置1到5位置。

街区,黑点,圆圈代表LED灯,相机,和相机的视场。智能手机的位置1,五是投影在LED灯图片。投影图像的数量从5 - 4智能手机的位置变化时从位置1到5位置。如果超过三个LED灯图片预计是,智能手机的位置可以更准确地计算。

接下来,我们考虑另一个场景,在该场景中,智能手机从位置1到位置2,如图9 (b)。由于智能手机位置的变化,形象上的LED灯也在变化。我们考虑三种可能的LED灯的位置(例如,红色、绿色和蓝色),所有连接到天花板。智能手机在图的位置19 (c),蓝色LED灯相对接近相机。这意味着从相机角度变小蓝色LED照明灯。这个角是大红色的LED灯与蓝色LED照明灯。相反,这个天使是绿色的LED灯几乎为零。这些距离计算使用(15)。

我们描述的直线距离红、绿、蓝LED灯从镜头的相机 , ,和 ,分别。此外, , ,和像素的数量是红色,绿色和蓝色的灯具,分别在位置1。因此,(15)可以写为每一个LED灯

从图9 (c),图像的大小是更大的绿色LED照明灯。这个尺寸逐渐降低从蓝色到红色LED灯。因此,比较一个特定的图像与其他图像可以表示为数学 。正如我们所知的15),像素的数量预计在某一对象只取决于相机之间的距离和对象在其他因素保持不变。每一个图像的数学表达式和(16)- (18)给出了一个结论: 。

在位置2图9(一个)之间的角距离相机和蓝色LED灯具增加与红色LED照明灯。因此,图像大小相应增加。相比之下,图像大小的绿色LED灯是几乎相同的,由于小角度的转变。

位置2,距离镜头的建议,led灯 , ,和分别为红色、绿色和蓝色发光二极管。此外,像素的数量是贴上 , ,和 。因此,如果我们应用(15)三个LED灯的图片,我们将得到

从图9(一个),一般表达式为图像像素的数量 是。从(19)- (21),可以解释为的距离 。

5.3。上传信息到照明服务器

智能手机开始发送距离信息与相应LED-ID照明服务器通过wi - fi美联社。以数据包的形式发送这些信息有两个插槽,第一槽LED照明灯的坐标信息和第二槽的距离信息。LED灯坐标的信息已经存储在服务器照明。从智能手机接收信号后,LED灯的照明服务器生成一个虚拟地图从数据包中提取信息。三边测量的数学模型(或multilateration超过三个LED灯),照明服务器计算智能手机的位置。

5.4。计算智能手机的位置

LED灯的光束传播从天花板到地板上,照明价差360°光源的中心。在一个特定的距离LED灯,光线的强度是相等的。如果智能手机位于任何位置上的投影图像区域与其他预计会发现同样的图像周围循环。因此,错误的位置识别的机会更高一个LED光源。图10 ()显示相机的原始位置可能假摄像机的位置(在褪了色的图像)。这个错误的位置信息创建错误在照明位置映射服务器。

因此,为了减轻位置判断错误,当只有一个LED灯是可见的,我们考虑另一个LED灯作为参考第一个LED灯。从图10 (b),我们缩小位置环由两个领域的交叉形成的。尽管更多的LED灯可以在这种情况下,仍重复发生。因此,第三个LED灯提供精确定位测量是必要的。

有第三个LED灯,我们可以智能手机的位置缩小到一个可能的位置。在图10 (c)三个圆圈围绕着每一个地标重叠在三个不同的地点每个圆的半径从每个里程碑式的距离相等。因此,其他两个位置的智能手机与原仍可能甚至有三个标志性建筑。此外,其他位置信息不得出现任何混乱的智能手机位置估计。可以准确估计智能手机的位置信息通过比较从两个LED灯的信息从第三光。

的方法来确定智能手机使用三个固定的参考点的位置(或LED灯)被称为三边测量37]或超过三分(这被称为multilateration)。三边测量,测量平台有三个相关的非线性方程组。参考LED灯可以坐落在一个三角形或直线。

如果 是任何LED灯在天花板的坐标,在哪里 ,智能手机相机的坐标信息 ,然后相机的距离到LED灯可以用下面的方程表示:

可以生成一个矩阵与上述方程 作为 可以替换为矩阵方程

两种不同的情况下可能发生当解决问题三边测量定位的智能手机。LED灯可以分布式随机如图(11日)或排成一条直线,如图11 (b)。

识别的智能手机的位置参考LED灯位于三角形的顶点,通解(24)可以表示为 在哪里是表示特定的解决方案和是真正的参数。如果 是一个齐次系统呢是它的解决方案。

矩阵是写成伪逆矩阵的格式来确定解决方案 。另一方面,的价值可以评估使用的表达吗 , , 。

下面的解决方案可以解决后生成(25),

识别智能手机从参考LED灯的位置位于一条直线的一般解决方案(24)表示为 均质系统 ;和两个解决方案与实际参数吗 。

的数学表达式(24)是不同的超过三个LED灯的情况。可以通过求解multilateration找到问题的解决方案。有关方程可以表示如下:

最小二乘方法的基础上,解决方案(29日可以找到)

在图12位于三分,三个LED灯(即, , ,和)在一个二维平面。他们的照明球体相交于两点(例如,和智能手机相机)可能的位置。照明服务器选择多个可能的位置之间的智能手机使用三边测量。

图13表明,当照明服务器生成系统估计误差估计智能手机的位置。横向偏差的误差最小(在图(13日))室内环境和更高的垂直偏差(在图13 (b))。因此,测量垂直位置时系统性能退化得多。

周围一群三个LED灯,智能手机的可能位置如图所示15。虚线代表光学相机之间的联系和LED灯和实线代表固定的LED灯之间的距离。在几乎所有情况下,从智能手机到每一个LED灯的距离是不同的。在某些情况下(数字14 (b),14 (c),14 (d),14 (g)),两个LED灯的距离是相等的距离相比,其他LED照明灯。此外,有一些情况下(数字14 (e),14 (f),14 (h)),所有三个互相距离是不同的。同时,只有一个案例(图(14日)从所有LED灯),相机是等距的。该算法可以在这些位置定位智能手机没有错误。

图15显示了一个示例的一个服务器端程序的最后阶段估计智能手机的坐标。三个LED灯是在相机的视场成像。每一个LED灯之间的距离是相等的,在我们的测试中这个值是150厘米。LED光坐标 , , 在cm中。在这里,坐标是相同的对于这三个LED灯,但坐标都是不同的。我们选择这些坐标来简化这个例子。的坐标等于所有的LED灯,所以我们在计算忽略它。

让我们考虑一个智能手机之间放置 和 和远离 。更准确地说,这个智能手机更接近 比 。相机的距离 , , 是320厘米,336.05厘米,410.37厘米,分别测量的计算图像传感器的图像大小。相对距离这三个LED灯显示,智能手机协调是40厘米距离 110厘米 。在这个例子中,我们考虑 位于原点和智能手机的坐标计算它。在这里,40厘米智能手机的坐标。的协调智能手机的摄像头可以测量与勾股定理。因此,协调的智能手机可以计算为317.5。最后,估计坐标 。

5.5。估计下一个智能手机的位置

智能手机坐标敲定后,照明智能手机服务器发送坐标信息,更新这些信息,并存储信息,以供将来使用。智能手机的位置是不断变化的。服务器估计智能手机的位置时,智能手机可能会感动。它需要另一个服务器端运行并行算法来估计速度,加速度,和下一个可能的智能手机的位置。我们使用卡尔曼滤波跟踪下一个智能手机的位置。这个过滤器取决于当前的输入测量代替先前的信息(例如,速度和加速度)的智能手机(38]。

卡尔曼滤波是一种递归的估计和线性滤波器主要用于近似导航应用程序中的错误与最小方差估计最小二乘意义下的噪声过程。卡尔曼滤波增益,目前的估计,和新的错误估计的三个重要计算图16。卡尔曼滤波增益的地方的特殊重要性估计误差和测量误差。另一方面,当前估计依赖于先前的估计,目前的测量值。先前的估计和现在的测量值之间的相对重要性也通过卡尔曼滤波增益。此外,卡尔曼滤波增益和当前估计需要知道新的错误的估计被传递到在未来的估计误差。初步估计的位置可以被描述为智能手机 在哪里是智能手机的初始位置,是国家(或适应)矩阵,然后呢噪声添加到初始位置。

测量由各自的流程和状态向量加权协方差矩阵。协方差矩阵的过程(或位置估计误差)可以表示为 初始过程协方差矩阵在哪里吗和是噪音。

过滤器deweights测量值在大方差和低收益相比,状态估计。这种情况导致过滤器优先预测状态而不是测量。在不同的情况下,预报值的测量值加权更由于方差小,增益高。卡尔曼滤波器的增益称为卡尔曼增益取决于错误的估计和误差的测量。卡尔曼增益, ,是错误的比率估计总误差估计和测量, 在哪里观察或测量误差和吗变换矩阵,将协方差矩阵转换为卡尔曼滤波增益矩阵。卡尔曼增益的值在0和1之间(例如, )。如果附近为1,这意味着误差测量几乎是0。在这个估计,估计不稳定(大错误估计)和测量是准确的。

位置估计的误差将会减少的价值接近0。因此,估计和实际之间的差异正在缩小。目前估计的表达式可以写成 在哪里是目前估计,是以前的估计,是智能手机的坐标测量。

同样,如果卡尔曼滤波器增益很大,那么目前的估计误差很小。新的预测状态可以定义如下:

5.6。推迟了信号传播

智能手机的位置测量和信号传播停止如果智能手机用户离开了房间。认识到这种情况下,照明服务器多次广播一条消息并等待回复。如果不回答,服务器停止发送数据并存储位置信息。

6。仿真结果

评估我们的方案的性能,我们使用智能手机在1600平方英尺。室内环境。测试仪器表提供了规范1。仿真结果将随镜头的变化和灯具参数。

图17显示一个图形表示形式之间的误码率和SNIR理论和仿真结果。两个曲线几乎是合并在一起,因为我们忽略了在我们的模拟信道噪声的影响。它解释说,误码率增加与减少SNIR显得信号。

在图18最初,仿真结果表明,智能手机的位置不确定,提到了未赋值的。1日估计的估计精度不够好而第四估计。这几步后评估过程改进的顺序。同时,每个估计之间的距离保持在9和10厘米之间。

改变坐标的可能性方向是微不足道的。因此,我们只需要计算- - -智能手机的坐标。在图19绿线显示,智能手机位置和红线的平均值估计价值。使用卡尔曼滤波器的估计位置设在绘制在图(19日)和设在智能手机是绘制在图19 (b)。图19州有一个位置的偏差估计的平均值的位置。我们认为1 Hz采样率和运行时是50秒。总的来说,50个样品被认为是模拟。

距离测量使用OCC取决于大小的投影图像上的发光二极管。随着距离增加,少占地面积上的投影图像,而不是一个短的距离。因此,智能手机定位的可能性缩小如果智能手机之间的垂直距离和LED灯在天花板上增加。在图20.,当剩下的垂直距离相机上限是在10 m,图像占据面积大于或等于4像素区域。10到35米后,定位可能是由于减少像素占地面积减少 。从理论上讲,它至少需要占用单位像素的图像传感器领域。然而,很难确保edge-by-edge的投影图像合并一个像素。因此,在35米之后,本地化的可能性是零,因为像素占地面积 。我们考虑一个固定的发射机的大小和在这种情况下,其形象占据不到单位像素面积35米。如果我们改变发射机的大小,那么距离测量性能将会改变。

本地化智能手机的位置估计由于更改而发生错误的频率。我们测试我们的算法与卡尔曼滤波和卡尔曼滤波。然后生成一个情节来比较它们之间的意义在图21。重大偏差对性能被发现从图。在初始阶段的测量,显示相同比例的估计错误,而在这两种情况下,评估指数随模拟运行时错误。在10秒内,估计误差对基于卡尔曼滤波器的估计是接近于零。与此同时,与此同时,另一个估计(即。,without Kalman filter) shows 50% error in estimation.

7所示。结论

在本文中,我们提出了一个智能手机定位系统的室内环境。使用OCC智能手机定位是一个新奇的想法。我们也使用摄影测量技术和OCC。智能手机的定位分辨率保持在10厘米。拟议的系统依赖于一个中央处理照明服务器进行定位计算。信号从LED灯具和本地化的智能手机保持在特定的室内环境。因此,该定位方案更加安全。此外,位置估计误差的机会更系统的卡尔曼滤波器的影响被忽略。我们包括卡尔曼滤波跟踪下一个可能的智能手机的位置。因此,该方案比现有的定位更准确的方案。 These lighting fixtures are useful not only for localization but also for illumination for the user. In future work, we will test and evaluate the performance in different environmental scenarios (e.g., escalator and staircase). We will consider variation in height between smartphone and ceiling light fixtures. Meanwhile, we are also trying to optimize the position identification resolution without using Kalman filter to make the system simpler.

的利益冲突

作者宣称没有利益冲突。

确认

这项研究得到了MSIT(科技部和ICT),韩国,在全球人才支持计划(IITP - 2017 - 0 - 01806)监督的IITP(信息和通信技术促进研究所)。

引用

1. a·亚辛,y纳赛尔·m·阿瓦德et al .,“最新进展在室内定位:调查的理论方法和应用,“IEEE通信调查和教程,19卷,不。2、1327 - 1346年,2017页。视图:出版商的网站|谷歌学术搜索
2. k . Nuaimi和h·卡迈勒”,室内定位系统和算法的调查,”学报创新信息技术国际会议(IIT 11),页185 - 190,阿布扎比,阿拉伯联合酋长国、2011年6月。视图:出版商的网站|谷歌学术搜索
3. g·库、t . Ozyer和b . Tavli”基于IEEE 802.11 WLAN室内实时定位:文献调查和实验调查,“Procedia计算机科学34卷,第164 - 157页,2014年。视图:谷歌学术搜索
4. b . h . Wellenhof h . Lichtenegger和j·柯林斯,全球定位系统:理论与实践施普林格,维也纳,奥地利,第五版,2001年版。视图:出版商的网站
5. a . Kleusberg和r·b·兰利”GPS的局限性。”全球定位系统(GPS)的世界,1卷,不。2、1990。视图:谷歌学术搜索
6. p . Zanuttigh g .马林c . Dal植入f“Dominio”, l . Minto通用Cortelazzo,飞行时间和结构光深度相机:技术和应用程序施普林格国际出版,2016年第1版。
7. 美国Foix、g . Alenya和c .肾脏病”锁定飞行时间(ToF)相机:一项调查,“IEEE传感器杂志,11卷,不。9日,第1926 - 1917页,2011年。视图:出版商的网站|谷歌学术搜索
8. h . h . Liu Darabi、p·巴纳吉和j .刘”无线室内定位技术和系统的调查,“IEEE系统,人,控制论,C部分:应用程序和评论,37卷,不。6,1067 - 1080年,2007页。视图:出版商的网站|谷歌学术搜索
9. z法,r . Nordin m·伊斯梅尔,“最近无线室内定位技术和系统的进步,”计算机网络和通讯》杂志上文章ID 185138卷,2013年,12页,2013。视图:出版商的网站|谷歌学术搜索
10. 工程学系。荣格在公元前。月亮,d .汉”,非监督学习无线网络众包室内定位,“IEEE移动计算,15卷,不。11日,第2906 - 2892页,2016年。视图:出版商的网站|谷歌学术搜索
11. k . Heurtefeux和f·瓦卢瓦王朝”,是RSSI定位在无线传感器网络的一个不错选择?“在学报》第26届IEEE国际会议上先进的信息网络和应用程序(AINA 12)福冈,页732 - 739年,日本,2012年3月。视图:出版商的网站|谷歌学术搜索
12. f . Gustafsson和f,“移动使用无线网络定位:可能性和基本限制基于可用无线网络测量,”IEEE信号处理杂志,22卷,不。4,41-53,2005页。视图:出版商的网站|谷歌学术搜索
13. 问:刘,s·莱文森,吴y和t .黄”互动和增量学习通过监督和非监督学习策略”5日联合会议信息科学学报》(青' 00),1卷,第558 - 555页,2000年3月。视图:谷歌学术搜索
14. k .克劳斯摄影测量:几何图像和激光扫描,卷1,Walter de Gruyter第二版,2007年版。
15. m . Uysal c . Capsoni z Ghassemlooy, a . Boucouvalas和e . Udvary光学无线通信:一个新兴的技术施普林格国际出版,可汗,瑞士,2016。
16. n .萨哈m . s . Ifthekhar: t·勒和y . m .张成泽“调查光学相机通信:挑战和机遇,”专业光电子学,9卷,不。5,172 - 183年,2015页。视图:出版商的网站|谷歌学术搜索
17. p .罗·m·张z Ghassemlooy et al .,“RGB led光学相机通信演示实验”,IEEE光子学》杂志,7卷,不。5、1 - 12,2015页。视图:谷歌学术搜索
18. a·c·Boucouvalas p . Chatzimisios z Ghassemlooy, m . Uysal和k .有的“室内光学无线通信标准,”IEEE通讯杂志,53卷,不。3,24-31,2015页。视图:出版商的网站|谷歌学术搜索
19. a . x, j . Wang Olesk:骑士,和w·丁”室内定位在一个相机和3 d地图”程序无处不在的室内定位导航和基于位置的服务(UPINLBS 10),页1 - 9,Kirkkonummi,芬兰,2010年10月。视图:出版商的网站|谷歌学术搜索
20. j . m . s .马塔莫罗斯j·r·m·迪奥和a . Ollero“合作与camerabased WSN定位和跟踪《IEEE国际会议上机电一体化(ICM ' 09),页1 - 6、马拉加、西班牙,2009年4月。视图:出版商的网站|谷歌学术搜索
21. j·金和h君”,建立位置定位使用现实增强室内导航”IEEE消费类电子产品,54卷,不。3、954 - 962年,2008页。视图:出版商的网站|谷歌学术搜索
22. m . s . Ifthekhar:萨哈,y . m .张成泽“基于神经网络的室内定位技术在光学相机通信系统,”学报》第五届国际会议室内定位和室内导航(IPIN 14)釜山,页431 - 435年,韩国,2014年10月。视图:出版商的网站|谷歌学术搜索
23. h .虽然和g·博列洛,”定位和方向在室内环境中使用照相手机,“IEEE计算机图形学和应用程序,28卷,不。4,32-39,2008页。视图:出版商的网站|谷歌学术搜索
24. m . s . Ifthekhar m·a·侯赛因·c·h·香港和y . m .张成泽“辐射和几何光学相机相机模型通信”学报》第七届国际会议上无处不在的和未来的网络(ICUFN 15)日本札幌,53-57页,2015年7月。视图:出版商的网站|谷歌学术搜索
25. g . j .病房、f·m·鲁宾斯坦和r . d .清晰,“扩散相互反射的光线追踪解决方案,”学报》第15届国际会议上计算机图形和交互技术1988年8月,页85 - 92。视图:谷歌学术搜索
26. 一、莫雷诺和c c。太阳,“建模发光二极管的辐射模式,”光学表达,16卷,不。3、1808 - 1819年,2008页。视图:出版商的网站|谷歌学术搜索
27. Hranilovic和f·r·Kschischang“光强度调制直接检测通道:信号和空间点阵代码,”IEEE信息理论卷,49号6,1385 - 1399年,2003页。视图:出版商的网站|谷歌学术搜索|MathSciNet
28. s . Rajagopal r·d·罗伯茨和研究。Lim, IEEE 802.15.7可见光交流:调制方案和调光的支持,“IEEE通讯杂志,50卷,不。3、72 - 82年,2012页。视图:出版商的网站|谷歌学术搜索
29. f . Vasca和l .安内利动力学和控制切换电子系统施普林格,伦敦,英国,2012年第1版,。
30. e·d·j·史密斯,r·j·布莱基没有放过任何一件芝麻小事,d·p·泰勒“spectral-amplitude-coding光CDMA使用脉冲位置调制的性能增强,”IEEE通信,46卷,不。9日,第1185 - 1176页,1998年。视图:出版商的网站|谷歌学术搜索
31. j·阿姆斯特朗,“光学通信OFDM”,光波技术杂志》,27卷,不。3、189 - 204年,2009页。视图:出版商的网站|谷歌学术搜索
32. x歌、f·杨和j . Cheng”副载波在大气湍流强度调制光无线通信指出错误,”IEEE /阻塞性睡眠呼吸暂停综合症光通信和网络杂志》上,5卷,不。4、349 - 358年,2013页。视图:出版商的网站|谷歌学术搜索
33. j·阿姆斯特朗:“新的和现有的分析方法,降低载波间干扰由于OFDM载波频率偏移,”IEEE通信卷,47号3、365 - 369年,1999页。视图:出版商的网站|谷歌学术搜索
34. t .阮,a .伊斯兰教、t . Hossan和y . m .张成泽“当前状态和性能分析的光学相机5 g网络通信技术,”IEEE访问5卷,第4594 - 4574页,2017年。视图:出版商的网站|谷歌学术搜索
35. 和b . Vasic Djordjevic, w•莱恩编码光学通道施普林格,纽约,纽约,美国,2010年。
36. j·m·卡恩和j·r·巴里”无线红外通信。”IEEE学报》,卷85,不。2、265 - 298年,1997页。视图:出版商的网站|谷歌学术搜索
37. f·托马斯和l . Ros“重访对机器人定位、三边测量”IEEE机器人,21卷,不。1,第101 - 93页,2005。视图:出版商的网站|谷歌学术搜索
38. b . Ristic s Arulampalam, n .戈登超出了卡尔曼滤波器:粒子滤波器跟踪应用程序,2003年Artech房子。

版权

版权©2018 Md。坦维尔Hossan等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。