实时室内可见光定位 (VLP) 使用长短期记忆神经网络 (LSTM-NN) 与主要组件分析 (PCA)
Yueh-Han Shu1, Yun-Han Chang1, Yuan-Zeng Lin1
1Department of Photonics & Graduate Institute of Electro-Optical Engineering, College of Electrical and Computer Engineering, National Yang Ming Chiao Tung University, Hsinchu 30010, Taiwan.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
这项研究提高了室内定位精度,使用可见光. 将长期短期记忆神经网络 (LSTM-NN) 与主要组件分析 (PCA) 结合起来,可以显著减少定位错误,提高增强现实等应用的可靠性.
科学领域:
- 室内定位系统 室内定位系统
- 光学无线通信的无线通信.
- 机器学习用于本地化
背景情况:
- 像AR/VR,物联网和AMR这样的新兴应用需要高精度的室内定位.
- 可见光定位 (VLP) 为实时跟踪提供了一个有前途的解决方案.
- 基于接收信号强度 (RSS) 的VLP很简单,但容易出现错误,特别是在细胞边界.
研究的目的:
- 提出和演示一个实时的VLP系统,以提高准确性.
- 使用LSTM-NN和PCA的组合来减轻定位错误.
- 为了提高各种应用室内跟踪的可靠性.
主要方法:
- 实现了实时可见光定位 (VLP) 系统.
- 使用长期短期记忆神经网络 (LSTM-NN) 进行定位.
- 集成主要组件分析 (PCA) 使用LSTM-NN来减少定位错误.
主要成果:
- 仅使用LSTM-NN就实现了5.912厘米的平均定位误差.
- 通过LSTM-NN和PCA将平均定位误差降低到1.806厘米,提高了69.45%.
- 95%的实验数据显示LSTM-NN和PCA的误差小于5厘米,而单独使用LSTM-NN的误差大于15厘米.
- 证明了系统能够预测移动接收器的方向和轨迹的能力.
结论:
- 拟议的VLP系统有效地提高了室内定位准确度.
- 结合LSTM-NN和PCA可显著提高精度,特别是在单元细胞边界.
- 该系统显示了在苛刻的应用中实时跟踪和轨迹预测的潜力.
