基于深度学习与RSS滤波的可见光室内定位算法

曹海锋; 王晓亮

doi:10.13741/j.cnki.11-1879/o4.2024.03.017

您当前的位置：

首页 >

文章列表页 >

基于深度学习与RSS滤波的可见光室内定位算法

光学传感与测量 | 更新时间：2025-09-01

- 基于深度学习与RSS滤波的可见光室内定位算法
- Visible light indoors positioning algorithm based on deep learning and RSS filtering
- 光学技术 2024年50卷第3期页码：361-367
- 作者机构：
  
  1. 1:山西工程职业学院信息工程系
  2. 2:东北电力大学计算机学院
- 作者简介：
- 基金信息：
  
  山西省教育科学规划院项目(GH(220858)
- DOI：10.13741/j.cnki.11-1879/o4.2024.03.017
  中图分类号： TN929.1;TP18
- 纸质出版：2024
- 稿件说明：
移动端阅览
曹海锋, 王晓亮. 基于深度学习与RSS滤波的可见光室内定位算法[J]. 光学技术, 2024,50(3):361-367.

Visible light indoors positioning algorithm based on deep learning and RSS filtering[J]. 2024, 50(3): 361-367.
曹海锋, 王晓亮. 基于深度学习与RSS滤波的可见光室内定位算法[J]. 光学技术, 2024,50(3):361-367. DOI： 10.13741/j.cnki.11-1879/o4.2024.03.017.

Visible light indoors positioning algorithm based on deep learning and RSS filtering[J]. 2024, 50(3): 361-367. DOI： 10.13741/j.cnki.11-1879/o4.2024.03.017.

摘要

为了提高可见光室内三维定位的准确率与稳定性，提出一种基于深度学习与接收信号强度滤波的可见光室内定位方法。首先，采集每个参考点接收的所有接收信号强度样本，使用聚类算法对接收信号强度样本进行滤波，剔除低值簇与高值簇中的高偏差接收信号强度样本；然后，在高精度无线电地图上训练深度神经网络回归模型，学习接收器位置与接收信号强度样本之间的统计关系。仿真结果表明，方法在6m×6m×3m室内环境下的平均定位误差小于4cm

且支持LED数量的扩展。

Abstract

关键词

Keywords

references

浏览量

188

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

基于3D全卷积神经网络的肺叶自动分割方法

利用双流卷积神经网络的人脸表情识别方法

基于移动机器人和单目视觉的姿态测量方法

深浅交错式特征融合的人体图像分割方法

基于深度学习与RSS滤波的可见光室内定位算法

Visible light indoors positioning algorithm based on deep learning and RSS filtering

DOI：10.13741/j.cnki.11-1879/o4.2024.03.017

摘要

Abstract

关键词

Keywords

references