本發(fā)明涉及室內(nèi)定位追蹤領(lǐng)域，具體為一種基于粒子濾波算法和智能設(shè)備的可見光定位方法和系統(tǒng)。

背景技術(shù)：

RSSI：Received Signal Strength Indication，接收的信號強度指示，是通過接收到的信號強弱測定信號點與接收點的距離，進而根據(jù)相應(yīng)數(shù)據(jù)進行定位計算的一種定位技術(shù)。

近年來，研究人員開始對室內(nèi)定位追蹤系統(tǒng)進行深入研究。室內(nèi)定位追蹤系統(tǒng)的實現(xiàn)都需要實時的和準確的信息。許多定位和追蹤技術(shù)都是基于WiFi技術(shù)，射頻技術(shù)，藍牙技術(shù)，GPS技術(shù)等。然而，這些技術(shù)在室內(nèi)定位和追蹤系統(tǒng)中各自存在缺陷。因而人們不斷地追尋一種廉價的，高精度的，并且能廣泛使用的方法。

利用可見光技術(shù)進行室內(nèi)定位追蹤，只需利用光電二極管就能接收到LED所發(fā)送的調(diào)制信號，無須增加額外的設(shè)備儀器，減輕實驗所需要的負擔(dān)。在信號傳輸環(huán)境中，利用三角定位法，將光電二極管檢測的接收信號強度(RSS)轉(zhuǎn)化為距離，然后通過幾何算法進行坐標定位。

現(xiàn)在，智能設(shè)備成為了人們生活的必需品，人們利用智能設(shè)備獲取各種信息。與其同時，大量的傳感器諸如加速度傳感器，地磁傳感器等集成在智能設(shè)備上，使之功能越來越齊全。利用這些傳感器獲取相應(yīng)的信息，能夠建立模型來估算行人的運動軌跡。這種能夠提供連續(xù)定位的方法可稱之為慣性導(dǎo)航系統(tǒng)方法。通過這種方法的迭代過程，僅能在短時間內(nèi)得到較高精度的位置追蹤，這意味著隨著時間的推移，估算的位置誤差會越來越大，因此有必要進行改進。

技術(shù)實現(xiàn)要素：

為了解決上述技術(shù)問題，本發(fā)明的目的是提供一種抗干擾能力強，系統(tǒng)成本低、定位精度高的基于粒子濾波算法和智能設(shè)備的可見光定位方法和系統(tǒng)。

本發(fā)明所采用的技術(shù)方案是：

本發(fā)明提供一種基于粒子濾波算法和智能設(shè)備的可見光定位方法，包括以下步驟：

S1，系統(tǒng)將光電二極管檢測到的室內(nèi)設(shè)置的LED錨節(jié)點和LED參考點的光信號強度轉(zhuǎn)換為距離，并對目標設(shè)備進行定位；

S2，系統(tǒng)采集目標設(shè)備的傳感器信息；

S3，系統(tǒng)接收到目標設(shè)備的定位信息和傳感器信息，模擬出行人航跡推算模型，并采用粒子濾波算法對軌跡進行優(yōu)化，對目標設(shè)備的軌跡進行迭代優(yōu)化處理并確定目標設(shè)備的軌跡；

S4，系統(tǒng)在離線環(huán)境下測量所述LED參考點與所述各LED錨節(jié)點之間的定位信息，并建立LED參考點離線位置數(shù)據(jù)庫；

S5，系統(tǒng)在在線環(huán)境下測量所述LED參考點、目標設(shè)備與所述各LED錨節(jié)點之間的定位信息，并通過比較所述LED參考點與所述各LED錨節(jié)點的定位信息和所述離線位置數(shù)據(jù)庫，最終確定目標設(shè)備的定位追蹤信息。

進一步地，所述步驟S4和S5中，分別多次測量LED錨節(jié)點、LED參考點與目標設(shè)備之間的定位信息，并對定位信息測量結(jié)果依次做高斯濾波處理和均值處理。

進一步地，所述粒子濾波算法包括粒子初始化，序貫重要性采樣和重采樣。

進一步地，所述序貫重要性采樣階段利用下列公式計算和規(guī)范化每個粒子在第K次時的權(quán)重，

X_t＝f_t-1(X_t-1)+n_t-1

Z_t＝h_t(X_t)+e_t

p(x_t|Z_t-1)＝∫(p(x_t|x_t-1)p(x_t-1|Z_t-1))dx_t-1

其中t為離散時間，X_t為系統(tǒng)狀態(tài)，Z_t為觀測狀態(tài)，f(x)為狀態(tài)轉(zhuǎn)移方程，h(x)為觀測方程，n_t-1為過程噪聲，e_t為服從高斯分布的噪聲，p(x_t|Z_t)表示后驗分布；

并利用下面公式重新分配權(quán)重，

其中，W_t⁽ⁱ⁾為第i個粒子在t時刻的權(quán)重，表示參考分布。

進一步地，所述重采樣階段，利用如下公式去除權(quán)重過低的粒子并復(fù)制權(quán)重較高的粒子，

其中，M_thr為粒子退化程度。

另一方面，本發(fā)明還提供一種基于粒子濾波算法和智能設(shè)備的可見光定位系統(tǒng)，包括：

LED錨節(jié)點、LED參考點和目標設(shè)備，其中，所述LED錨節(jié)點的和LED參考點的數(shù)量均至少為3個；

可見光定位模塊，用于測量所述LED參考點、目標設(shè)備與所述各LED錨節(jié)點之間的定位信息；

行人航跡推算模塊，用于利用目標設(shè)備傳感器獲取相應(yīng)的信息，并估算行人的運動軌跡；

軌跡修正模塊，用于將得到的目標設(shè)備與所述各LED錨節(jié)點之間的定位信息和當前環(huán)境下獲得的傳感器信息進行軌跡修正，從而確定目標設(shè)備的軌跡；

離線定位追蹤模塊，用于在離線環(huán)境下測量所述LED參考點與各所述LED錨節(jié)點之間的定位信息，建立離線位置數(shù)據(jù)庫；

定位追蹤修正模塊，用于對目標設(shè)備軌跡和離線指紋庫數(shù)據(jù)進行數(shù)據(jù)匹配，從而獲得精確的定位追蹤位置信息。

進一步地，所述LED參考點、目標設(shè)備上均設(shè)置有無線通信模塊，所述無線通信模塊均為光通信模塊，用于將編碼后光信號解調(diào)轉(zhuǎn)化為電信號。

進一步地，所述目標設(shè)備上具有加速度傳感器、方向傳感器、磁場傳感器。

進一步地，所述LED錨節(jié)點采用發(fā)光模型為朗伯傳輸模型的白光LED。

本發(fā)明的有益效果是：本發(fā)明提供的基于粒子濾波算法和智能設(shè)備的可見光定位方法和系統(tǒng)，采用智能設(shè)備和無線技術(shù)進行定位追蹤，首先采用可見光進行初定位，同時配合使用傳感器進行連續(xù)定位追蹤；然后利用粒子濾波算法將軌跡信息對目標設(shè)備進行軌跡修正，提高了追蹤系統(tǒng)的抗遮擋能力，降低了增加參考點的成本，而且追蹤精度高，具有良好的經(jīng)濟和社會效益。

另外，本發(fā)明通過對無線定位數(shù)據(jù)應(yīng)用高斯濾波算法和均值濾波算法，從而減少一些小概率、大干擾的突發(fā)性事件對整體測量值的影響，增加了定位追蹤的抗干擾能力。

附圖說明

下面結(jié)合附圖對本發(fā)明的具體實施方式作進一步說明：

圖1是基于三角形測量法定位技術(shù)的實施原理圖；

圖2是基于本發(fā)明一實施例的可見光通信系統(tǒng)圖；

圖3是本發(fā)明一實施例的架構(gòu)圖；

圖4是本發(fā)明一實施例的系統(tǒng)模型圖；

圖5是傳感器之間運動狀態(tài)關(guān)系圖；

圖6是行走過程中的各軸運動加速度曲線；

圖7是粒子濾波算法流程圖；

圖8是路徑平滑因子移動方向原理圖；

圖9是一實施例的結(jié)果示意圖；

圖10是一實施例的示意圖；

圖11是另一實施例的示意圖；

圖12是利用各種技術(shù)進行定位的對比圖。

具體實施方式

需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。

本發(fā)明提供一種基于粒子濾波算法和智能設(shè)備的可見光定位方法，包括以下步驟：

S1，系統(tǒng)將光電二極管檢測到的室內(nèi)設(shè)置的LED錨節(jié)點和LED參考點的光信號強度轉(zhuǎn)換為距離，并對目標設(shè)備進行定位；

S2，系統(tǒng)采集目標設(shè)備的傳感器信息；

S3，系統(tǒng)接收到目標設(shè)備的定位信息和傳感器信息，模擬出行人航跡推算模型，并采用粒子濾波算法對軌跡進行優(yōu)化，對目標設(shè)備的軌跡進行迭代優(yōu)化處理并確定目標設(shè)備的軌跡；

S4，系統(tǒng)在離線環(huán)境下測量所述LED參考點與所述各LED錨節(jié)點之間的定位信息，并建立LED參考點離線位置數(shù)據(jù)庫；

S5，系統(tǒng)在在線環(huán)境下測量所述LED參考點、目標設(shè)備與所述各LED錨節(jié)點之間的定位信息，并通過比較所述LED參考點與所述各LED錨節(jié)點的定位信息和所述離線位置數(shù)據(jù)庫，最終確定目標設(shè)備的定位追蹤信息。

進一步地，所述步驟S4和S5中，分別多次測量LED錨節(jié)點、LED參考點與目標設(shè)備之間的定位信息，并對定位信息測量結(jié)果依次做高斯濾波處理和均值處理。

進一步地，所述粒子濾波算法包括粒子初始化，序貫重要性采樣和重采樣。

進一步地，所述序貫重要性采樣階段利用下列公式計算和規(guī)范化每個粒子在第K次時的權(quán)重，

X_t＝f_t-1(X_t-1)+n_t-1

Z_t＝h_t(X_t)+e_t

p(x_t|Z_t-1)＝∫(p(x_t|x_t-1)p(x_t-1|Z_t-1))dx_t-1

其中t為離散時間，X_t為系統(tǒng)狀態(tài)，Z_t為觀測狀態(tài)，f(x)為狀態(tài)轉(zhuǎn)移方程，h(x)為觀測方程，n_t-1為過程噪聲，e_t為服從高斯分布的噪聲，p(x_t|Z_t)表示后驗分布；

并利用下面公式重新分配權(quán)重，

其中，W_t⁽ⁱ⁾為第i個粒子在t時刻的權(quán)重，表示參考分布。

進一步地，所述重采樣階段，利用如下公式去除權(quán)重過低的粒子并復(fù)制權(quán)重較高的粒子，

其中，M_thr為粒子退化程度。

另一方面，本發(fā)明還提供一種基于粒子濾波算法和智能設(shè)備的可見光定位系統(tǒng)，包括：

LED錨節(jié)點、LED參考點和目標設(shè)備，其中，所述LED錨節(jié)點的和LED參考點的數(shù)量均至少為3個；

可見光定位模塊，用于測量所述LED參考點、目標設(shè)備與所述各LED錨節(jié)點之間的定位信息；

行人航跡推算模塊，用于利用目標設(shè)備傳感器獲取相應(yīng)的信息，并估算行人的運動軌跡；

軌跡修正模塊，用于將得到的目標設(shè)備與所述各LED錨節(jié)點之間的定位信息和當前環(huán)境下獲得的傳感器信息進行軌跡修正，從而確定目標設(shè)備的軌跡；

離線定位追蹤模塊，用于在離線環(huán)境下測量所述LED參考點與各所述LED錨節(jié)點之間的定位信息，建立離線位置數(shù)據(jù)庫；

定位追蹤修正模塊，用于對目標設(shè)備軌跡和離線指紋庫數(shù)據(jù)進行數(shù)據(jù)匹配，從而獲得精確的定位追蹤位置信息。

進一步地，所述LED參考點、目標設(shè)備上均設(shè)置有無線通信模塊，所述無線通信模塊均為光通信模塊，用于將編碼后光信號解調(diào)轉(zhuǎn)化為電信號。

進一步地，所述目標設(shè)備上具有加速度傳感器、方向傳感器、磁場傳感器。

進一步地，所述LED錨節(jié)點采用發(fā)光模型為朗伯傳輸模型的白光LED。

參照圖1，為基于三角形測量法定位技術(shù)的實施原理，以三個位置已知的錨節(jié)點為圓心，以所述各錨節(jié)點到待測目標的距離為半徑做圓，三個圓交于所述待測目標。設(shè)所述待測目標的坐標位置為(x,y)，已知所述錨節(jié)點1、2、3的坐標分別為(x1,y1)、(x2,y2)和(x3,y3)，其到所述待測目標的距離為d1、d2、d3，則求解下列方程組即可得到所述待測目標的位置坐標：

(x-x1)²+(y-y1)²＝d1²

(x-x2)²+(y-y2)²＝d2²

(x-x3)²+(y-y3)²＝d3²

參照圖2為系統(tǒng)的可見光通信系統(tǒng)圖。由于在信號傳輸?shù)倪^程中存在干擾和衰落，信號通信容易出現(xiàn)差錯，所以需要先將信號進行預(yù)處理。通過信道編碼能夠有效地抵抗各種干擾，從而到達保真。將調(diào)制后的信息驅(qū)動LED。利用光電轉(zhuǎn)換電路將光信號轉(zhuǎn)化為電信號，再把電信號進行解調(diào)，將解調(diào)后的信號發(fā)送到智能移動設(shè)備MD，再進行系統(tǒng)定位追蹤。

一般情況下，可以認為LED的發(fā)光模式為朗伯傳輸模型，在和光源法線成任意φ方向上的發(fā)光強度為：

所以，在水平面上任一坐標(X,Y)上的光照度為：

其中I(0)為LED中心發(fā)光強度，為輻射角，D為收信機到LED的發(fā)射機中心距離；m為朗伯輻射級數(shù)，其與LED的發(fā)射機半功率角Φ_1/2有關(guān)。

m＝-ln2/ln(cosΦ_1/2) 式(3)

在可見光定位系統(tǒng)中，我們采用發(fā)光模式為朗伯傳輸模型的白色LED。其接收光功率與發(fā)射光功率的公式為：

P_r＝P_t·H(0) 式(4)

式中H(0)為光通信信道的直流增益。

式中：0≤ψ≤ψ_FOV,D為信號收發(fā)機之間的距離，ψ_FOV為光接收機的視場角。A_r為光探測器的探測面積，和ψ分別為輻射角和入射角。T_s(ψ)為接收器的光學(xué)濾波增益，g(ψ)為光學(xué)聚光器的聚焦增益。其中n為折射系統(tǒng)系數(shù)。

參照圖3和4，本發(fā)明的模型搭建在長寬高為5*5*3的房間內(nèi)。使用4組LED矩陣，其分別安裝于房間的正上方。

首先，建立指紋庫。指紋庫的定位機制主要包括兩個階段：離線采集數(shù)據(jù)階段和在線匹配信息階段。在離線采集數(shù)據(jù)階段中，主要需要收集每個參考點(RP)的定位信息。設(shè)定每隔5cm放置一個參考點RP，在每個RP上分別收集4組LED的定位信息，并存儲到指紋庫中。在每個RP上重復(fù)相關(guān)工作，直到收集所有信息完畢。

參照圖3，是本發(fā)明一實施例的架構(gòu)圖，其中進行在線匹配信息，系統(tǒng)根據(jù)目標MD收集到的定位信息，將MD的定位信息進行實時跟蹤。為了減少在線追蹤MD所帶來的誤差，利用智能移動設(shè)備的各種運動傳感器對反饋的定位追蹤信息進行優(yōu)化。根據(jù)行人航跡推算模型(PRD),能夠估算出行人移動的實況，包括速度和方向。

行人航跡推算模型是一種能夠提供基于牛頓力學(xué)直接測量動態(tài)信息的方法。以前一些研究表明，慣性導(dǎo)航系統(tǒng)結(jié)構(gòu)能夠為基于步行模式和步行距離估算的移動設(shè)備進行定位，但卻不能得到高精度的測量數(shù)據(jù)。在本專利中，我們利用移動設(shè)備的各種傳感器和權(quán)重因子對人類運動狀態(tài)進行優(yōu)化估算。

參照圖5，為傳感器之間運動狀態(tài)關(guān)系。運動狀態(tài)和傳感器之間有著密切聯(lián)系。因此，通過對一般的智能設(shè)備的傳感器進行研究，大體上有5種傳感器對運動狀態(tài)有影響。

表1智能移動設(shè)備的傳感器

加速度傳感器的x，y和z軸與地球?qū)?yīng)的三軸不是一樣的，它們之間存在一個角度。所以認為速度不僅與加速度有關(guān)，并且與方位角和重力加速度也有關(guān)系。可以通過以下的公式計算出速度：

R(ψ,ρ,γ)＝C^-1(ψ,ρ,γ)＝C^T(ψ,ρ,γ) 式(10)

這里的是從加速度傳感器中獲得的加速度，是相對地軸中的加速度值，而R(ψ,ρ,γ)是轉(zhuǎn)移矩陣,是地軸某時刻的速度值。

利用如下公式可求得人類運動方向:

這里的是某時刻的運動方向。盡管不能從方向傳感器中獲得高精度的方向值，但還是能夠得到大致方向。利用粒子濾波的權(quán)值因子來糾正方向誤差。為了能夠得到更加準確的方向和速度值，采用比較好的傳感器采樣頻率。在本方案中，采用的頻率為50HZ。

參照圖6為使用者加速行走過程中的各軸運動加速度曲線。

下一步將定位信息和運動信息結(jié)合粒子濾波算法進一步優(yōu)化路徑。

粒子濾波，是基于蒙特卡洛仿真的近似貝葉斯濾波算法。其核心思想是用一些離散隨機采樣點(粒子)來近似系統(tǒng)隨機變量的概率密度函數(shù)，以樣本均值代替積分運算，從而獲得狀態(tài)的最小方差估計。

貝葉斯濾波算法用于從觀測值中概率估算出當前狀態(tài)。粒子濾波方法是一種在線的后驗概率估算算法，通過結(jié)合重要性抽樣和蒙特卡洛算法可用于估算后驗概率密度。當能夠解決粒子濾波的衰退現(xiàn)象，并且計算機能夠有足夠大的計算能力時，粒子濾波算法就能很好地應(yīng)用于非高斯和非線性系統(tǒng)狀態(tài)估算。在定位問題中，目標位置經(jīng)常用狀態(tài)空間模型表示，包括狀態(tài)方程(12)和觀測方程(13)。

X_t＝f_t-1(X_t-1)+n_t-1 式(12)

Z_t＝h_t(X_t)+e_t 式(13)

其中t為離散時間，X_t為系統(tǒng)狀態(tài)，Z_t為觀測狀態(tài)，f(x)為狀態(tài)轉(zhuǎn)移方程，h(x)為觀測方程，n_t-1為過程噪聲，e_t為服從高斯分布的噪聲。

貝葉斯濾波算法包括預(yù)測和修正。我們假設(shè)初始的概率密度P(x₀)和概率密度P(x₀)的時間是已知的，預(yù)測階段和在線修正階段的公式如下所示：

p(x_t|Z_t-1)＝∫(p(x_t|x_t-1)p(x_t-1|Z_t-1))dx_t-1 式(14)

其中Z_t為觀測向量，X_t為狀態(tài)值。公式(11)很難大量計算。粒子濾波算法能夠有效地解決貝葉斯濾波算法的局限性。粒子濾波算法可視為貝葉斯濾波算法的一個近似值。粒子濾波算法包括三個步驟：粒子初始化，序貫重要性采樣和重采樣。參照圖7。

粒子初始化：初始化粒子。初始樣品通常來自于實際位置中的高斯分布的粒子云平均值。所有的粒子在初始階段具有相同的權(quán)重。

序貫重要性采樣：在這個階段，利用公式(12)(13)(14)(15)計算和規(guī)范化每個粒子在第K次時的權(quán)重。接下來利用公式(16)重新分配權(quán)重。

重采樣：重采樣階段是粒子濾波算法的一個重要階段。重采樣的基本原理是去除權(quán)重過低的粒子。在本階段中，利用如下公式去除權(quán)重過低的粒子，復(fù)制權(quán)重較高的粒子。

在可見光-指紋庫搭建的系統(tǒng)中，由于存在可見光的測量噪聲和遮擋問題，所得到定位追蹤信息的精確度不高。利用粒子濾波算法的優(yōu)點，能夠優(yōu)化這套系統(tǒng)，從而減少定位追蹤誤差。

通過結(jié)合慣性導(dǎo)航系統(tǒng)信息，粒子濾波算法可用于可見光信號的測量。粒子濾波算法能夠方便地結(jié)合到來自慣性導(dǎo)航系統(tǒng)的傳感器的運動信息。由于粒子與移動設(shè)備使用者的運動行為有直接的關(guān)系，這些運動信息能夠指引粒子。

將公式(12)和(13)具體化，就能得到公式(18)和(19)

其中表示在t時刻時每個粒子的狀態(tài)向量，T_s是兩次測量之間的運行時間，n_t-1是過程噪聲，e_t是服從高斯分布的噪聲。

在可見光定位追蹤系統(tǒng)中，結(jié)合粒子濾波算法和智能移動設(shè)備的定位追蹤過程如下步驟：

1、建立指紋庫

可見光-指紋庫系統(tǒng)包括離線階段和在線階段。離線階段需要測量出每個點的定位信息包括坐標和對應(yīng)的RSS，在線階段對目標設(shè)備進行實時定位追蹤。

2、計算運動狀態(tài)

系統(tǒng)會收集智能設(shè)備中傳感器的各種數(shù)據(jù)并且計算出相關(guān)特征向量，然后根據(jù)公式(7)和(11)計算出方位角和速度。

3、粒子濾波

在粒子初始化之后，每個粒子經(jīng)過狀態(tài)轉(zhuǎn)移方程(11)都會轉(zhuǎn)移為新的一個粒子。所有的粒子都會轉(zhuǎn)移到新的位置。所有的粒子都會移動到一個新的具有代表性的位置。根據(jù)公式(20)和(21)，利用歐幾里得算法計算出功率差值，與此同時通過重新計算出權(quán)重。

另外，當在行人航跡模型中加入了運動向量時，我們將粒子權(quán)重因子作為路徑平滑因子，不同的粒子權(quán)重因子具有不同的路徑，路徑平滑因子移動方向原理圖見圖8。

其中，θ_t用于計算在t時刻傳感器數(shù)據(jù)的運動方向，是在t時刻第i個粒子引入路徑平滑因子后的運動方向。

4.位置估算

我們利用加權(quán)法，通過公式(23)得到智能設(shè)備新的位置。然后重復(fù)步驟2直到停止。

為了驗證所提出的方法的可行性，我們結(jié)合仿真實驗進行論述。以下實驗是基于智能設(shè)備和Matlab仿真得到：

表2實驗平臺參數(shù)

在本實驗中開發(fā)了一款手機應(yīng)用，用于收集傳感器的原始數(shù)據(jù)，并且計算目標智能設(shè)備的運動信息包括速度和方向。運動信息傳輸?shù)诫娔X上，進行Matlab仿真實驗。

為了探討所提出的方法的可行性，通過Matlab對模型進行了如下的仿真實驗。其中LED的參數(shù)及房間模型見表(2)LED的分布坐標為(0.5,0.5),(4.5,0.5),(4.5,4.5),(0.5,4.5)。仿真實驗?zāi)M在100*100個參考點的房間內(nèi)，每個參考點相隔0.05m。

表3

在本實驗中挑選200個點作為原始路徑(圖9中的實線路徑)，在Matlab搭建本系統(tǒng)進行模擬仿真，得到的模擬路徑為圖9的點線路徑，從圖9中可以看到，其中規(guī)則的曲線為實際路徑；兩條路徑大部分一致，包括轉(zhuǎn)向的路徑。因此驗證了運用本方案所提出的方法對目標智能設(shè)備進行定位追蹤是可行的。

為了進一步驗證所提出的方法的可行性，模擬仿真了一個多路徑的實驗。參照圖10所示，虛線路徑為基于傳感器的PDR路徑，可以觀察到PDR路徑不是很好，隨著時間的推移，路徑越來越偏離原始路徑。主要是由于一開始的時候，傳感器能夠得到較好的數(shù)據(jù)，但是會出現(xiàn)誤差，隨著誤差的積累就會偏差很大。點線路徑是在可見光系統(tǒng)中基于粒子濾波算法和傳感器的估算路徑，可見其與原始路徑基本吻合。利用傳感器能夠迅速捕捉到方向的變化，利用粒子濾波算法能夠減少誤差。

基于指紋庫的可見光系統(tǒng)存在的位移問題是當進行定位追蹤時，如果有障礙物遮擋，那么所得到的定位追蹤誤差就會很大。所以利用本系統(tǒng)來檢驗該方法時候?qū)@種遮擋問題有所改善。我們在仿真實驗中模擬有遮擋物的場景，參照圖11有箭頭的位置，可以看到當追蹤路徑到達存在遮擋物的地方時都很大程度上偏離了原始路徑，但是基于粒子濾波算法和智能設(shè)備的可見光-指紋庫定位追蹤方法明顯比只是可見光-指紋庫的方法好，它能很快回歸到原始路徑中。

圖12對幾種定位追蹤技術(shù)做了對比。各種濾波方式對誤差的累積也不是一樣的。如果只是使用傳感器，隨著時間的推移，誤差會越來越大。利用卡爾曼濾波也不見得對定位追蹤誤差有明顯改善。對比其他的方法，本方案提出的定位追蹤方法對精度有所提高。

在本方案中提出了基于粒子濾波算法和智能設(shè)備的可見光-指紋庫系統(tǒng)，有助于提高室內(nèi)定位追蹤技術(shù)的精確度。同時，我們結(jié)合實驗和仿真來驗證了所提出的方法的可靠性，在實驗和仿真中得到的定位追蹤誤差為8cm。即使是在復(fù)雜的環(huán)境中，基于所提出的方法的定位結(jié)果也能快速收斂。同時，可見光系統(tǒng)中的遮擋問題的也得到很好的改善。

本發(fā)明提供的基于粒子濾波算法和智能設(shè)備的可見光定位方法和系統(tǒng)，采用智能設(shè)備和無線技術(shù)進行定位追蹤，首先采用可見光進行初定位，同時配合使用傳感器進行連續(xù)定位追蹤；然后利用粒子濾波算法將軌跡信息對目標設(shè)備進行軌跡修正，提高了追蹤系統(tǒng)的抗遮擋能力，降低了增加參考點的成本，而且追蹤精度高，具有良好的經(jīng)濟和社會效益。

另外，本發(fā)明通過對無線定位數(shù)據(jù)應(yīng)用高斯濾波算法和均值濾波算法，從而減少一些小概率、大干擾的突發(fā)性事件對整體測量值的影響，增加了定位追蹤的抗干擾能力。

以上是對本發(fā)明的較佳實施進行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實施例，熟悉本領(lǐng)域的技術(shù)人員在不違背本發(fā)明精神的前提下還可做出種種的等同變形或替換，這些等同的變形或替換均包含在本申請權(quán)利要求所限定的范圍內(nèi)。