基于深度学习的可见光通信系统室内三维定位

马玉磊; 张兵

doi:10.13741/j.cnki.11-1879/o4.2024.02.017

您当前的位置：

首页 >

文章列表页 >

基于深度学习的可见光通信系统室内三维定位

光学传感与测量 | 更新时间：2025-09-01

- 基于深度学习的可见光通信系统室内三维定位
- Deep learning based indoors three dimensional positioning for visible light communication system
- 光学技术 2024年50卷第2期页码：201-208
- 作者机构：
  
  1:新乡学院计算机与信息工程学院
- 作者简介：
- 基金信息：
  
  河南省科技厅重点研发与推广专项(科技攻关)项目(212102210405);2022年度新乡学院教育教学改革研究与实践项目成果(31)
- DOI：10.13741/j.cnki.11-1879/o4.2024.02.017
  中图分类号： TN929.1;TP18
- 纸质出版：2024
- 稿件说明：
移动端阅览
马玉磊, 张兵. 基于深度学习的可见光通信系统室内三维定位[J]. 光学技术, 2024,50(2):201-208.

Deep learning based indoors three dimensional positioning for visible light communication system[J]. 2024, 50(2): 201-208.
马玉磊, 张兵. 基于深度学习的可见光通信系统室内三维定位[J]. 光学技术, 2024,50(2):201-208. DOI： 10.13741/j.cnki.11-1879/o4.2024.02.017.

Deep learning based indoors three dimensional positioning for visible light communication system[J]. 2024, 50(2): 201-208. DOI： 10.13741/j.cnki.11-1879/o4.2024.02.017.

摘要

针对目前室内可见光通信系统三维定位的准确率与定位速度依然不佳的问题，提出一种基于深度学习的可见光通信系统室内定位方法。首先，设计了一个神经网络将指纹数据编码成二维阵列，利用卷积神经网络学习指纹阵列与目标位置之间的关系；然后，通过粒子群优化算法自动搜索卷积神经网络的超参数，以降低深度神经网络的训练难度。此外，设计了定位数据训练集、验证集与测试集的划分方法，有助于缓解神经网络的过拟合问题，并提高定位准确性。仿真结果表明，所提方法在6×6×4m~3室内环境下的平均定位误差为0.024m

平均定位时间为0.478s。

Abstract

关键词

Keywords

references

浏览量

108

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

樽海鞘群算法在可见光通信调制器的应用

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于DSA-BCNN的毫米波图像隐藏物检测

基于改进Faster-RCNN的偏光片表面缺陷检测

基于深度学习的可见光通信系统室内三维定位

Deep learning based indoors three dimensional positioning for visible light communication system

DOI：10.13741/j.cnki.11-1879/o4.2024.02.017

摘要

Abstract

关键词

Keywords

references