基于并行全连接卷积神经网络模型的室内可见光信道的最优灯源布局

摘要

针对室内LED灯源光强分布不平坦、传统Lambert模型未考虑非直射信道、环境中噪声和干扰、障碍物遮挡、室内边界及不规则房间布局等问题,提出基于并行全连接-卷积神经网络(PFCNN)模型的室内可见光定位(VLP)最优灯源布局方案。通过采集现场灯源坐标、功率和朝向角等灯源信息及其对应的接收平面光强分布构建指纹库数据集,并用蒙特卡罗方法衡量光强分布平坦度参数;提出采用全连接神经网络和并行全连接神经网络建立可见光信道模型;基于PFCNN模型构建光强平坦度预测模型;采用动量粒子群优化K-Means++(Mot-PSO-K-Means++)算法实现最优灯源布局。仿真分析可知:并行全连接神经网络相比全连接神经网络精确度提升84.69%;在5 m×5 m×3 m的室内空间中,4-LED布局下光强平坦度达到92.00%,光强范围为340~440 lx;12-LED布局下光强平坦度达到91.00%,光强范围为980~1120 lx。该方案有更高的平坦度、较强适用性,可应用于实际室内VLP场景,为室内VLP深入研究提供理论支撑。