ABC-iVLP：基于注意力机制的双LSTM-CNN模型的室内可见光定位技术

《IEEE Photonics Journal》：ABC-iVLP: Indoor Visible Light Positioning Using Attention Mechanism-based BiLSTM-CNN

　　

摘要：

室内定位在智能仓储和创新医疗等应用中至关重要。传统的定位解决方案，如全球导航卫星系统（GNSS）和Wi-Fi，存在精度低或部署成本高的问题。相比之下，可见光定位（VLP）具有抗电磁干扰和低成本部署的优势。然而，VLP系统仍面临多径噪声以及指纹模型中时间相关性利用不足的挑战。为了解决这些问题，本文提出了一种基于注意力机制的双向长短期记忆网络（BiLSTM）和卷积神经网络室内定位算法（ABC-iVLP）。所提出的ABC模型包括一个三阶段框架，用于动态权重分配：该框架结合了信噪比注意力机制来动态抑制噪声，使用BiLSTM捕捉接收信号强度的时间依赖性，并通过卷积神经网络（CNN）提取空间特征。此外，该ABC-iVLP模型在2米×2米×3米的房间内进行了验证，最大定位误差为6.47厘米，平均定位误差为2.33厘米。与不使用注意力机制的ABC-iVLP模型相比，BiLSTM和CNN分别使平均定位误差降低了32.5%、43.4%和18.7%。此外，该模型在不同LED数量和地面高度下的鲁棒性也得到了验证，证明了ABC-iVLP相较于现有方案的优越性。