0 引言

    随着社会的发展，人们对于位置精确定位的需求越来越高，如道路导航、空中侦查、盲人引导等。全球定位系统（GPS）在室外有很好的定位效果，因此被广泛应用。但在商场、医院、图书馆等场所，GPS会受到障碍物的影响而难以满足高精度要求。目前，相关文献提出了多种针对室内的定位系统，如蓝牙定位[1]、WiFi定位[2]、红外定位[3]等，但都受到电磁干扰、建设成本过高等因素的制约而无法完全满足实际定位需要。

    基于可见光通信的室内可见光定位（VLP）技术凭借其频谱资源丰富且不受电磁干扰等优势得到迅速发展。目前，实现VLP的基本方法有可见光指纹法[4-6]和基于接收信号强度（RSS）定位算法[7-8]。其中，可见光指纹法通过采集室内中不同位置的指纹（光强和角度等）来建立指纹数据库；基于RSS定位算法根据RSS与发光二极管（LED）、光电探测器（PD）的间距及与发射端的入射角、接收端的辐射角的数学关系来确定位置。由于基于RSS定位算法复杂度低、对环境要求也低，因此得到广泛应用。同时，随着神经网络的应用，很多学者将其应用于VLP系统，并建立RSS与对应坐标在神经网络中的非线性映射关系，以解决VLP中的非线性问题，从而实现较高精度的定位。秦岭等人[9] 使用Elman神经网络进行定位，同时结合加权K近邻算法进一步修正结果。赵黎等人[10]使用神经网络定位的同时将定位方差与欧式距离相结合，构造定位误差约束模型，进一步提高定位精度。

    由于神经网络在实现室内定位时，在定位边缘只提供了一侧的数据进行映射训练，数据量较少，导致定位的边缘区域效果不理想，从而造成定位精度较低；同时，定位区域指纹库稀疏也将影响定位精度。而Elman神经网络具有时变特性与鲁棒性，将其应用于定位的同时，在已有的数据基础中也能出色地完成插值任务，并预测出定位边缘区域的数据。因此，本文提出一种基于Elman神经网络的室内定位算法。

4 结束语

    本文针对由于指纹数据库稀疏而制约室内定位精度的问题，提出使用Elman神经网络对指纹数据进行扩充，同时使用该神经网络进行定位，解决VLP系统中的非线性问题，进一步减少误差。实验结果表明：在0.8 m×0.8 m×0.8 m室内环境中，本文所提算法的平均定位精度达到4.6 cm，其中78.3%的定位误差在5 cm以内，与实测R=5 cm、R=10 cm相比，平均定位精度分别提高了9%和35.3%。因此，本文提出的定位算法能在大幅度减少实测工作量的同时提高定位精度。