0 引言
       近年来，随着社会经济和科学技术的快速发展，人们对于自己所处环境精确位置的服务需求也越来越大。全球定位系统（GPS）目前已经被广泛应用于交通、测绘等室外场景中，主要包括：车辆导航和大地测量等[1]。然而，在大型商场、矿井、医院和停车场等室内场景中，由于GPS信号会被障碍物阻挡，所以GPS在室内的定位误差会变得很大[2]。传统的室内定位技术有蓝牙定位、无线局域网（WLAN）、射频识别（RFID）和超宽带（UWB）等[3-6]，但是这些技术普遍存在定位成本高和定位精度低等缺点。针对上述室内定位技术存在的问题，研究人员提出了利用可见光来进行室内定位，与上述定位技术相比，可见光定位技术具有设备成本低、无电磁干扰、部署简单、保密性强和定位精度高等优点，成为现阶段研究人员研究的热点[7]。

       传统的室内可见光定位方法主要有基于到达时间（TOA）法、基于到达时间差（TDOA）法、基于信号到达角度（AOA）法、基于接收信号强度指示（RSSI）法以及传感器与成像法等[8-11]。近年来，随着机器学习的研究及应用的不断发展，越来越多的研究人员开始将可见光定位技术与机器学习算法相融合，以提高室内定位的精度和鲁棒性[12]。文献[13]提出了一种基于人工神经网络的漫反射可见光定位算法，利用经过训练的神经网络实现漫反射信道的定位，该算法的定位误差比传统的接收信号强度（RSS）算法降低了13倍左右。文献[14]提出了一种基于机器学习分类与回归的室内可见光系统改进算法，首先使用机器学习分类功能将房间地板划分成2个独立区域（中心区域和边缘区域），然后利用机器学习回归函数对接收机的位置进行预测，该算法的定位精度可达厘米级。文献[15]提出了一种将重复单元和机器学习相结合的室内可见光定位算法，分别讨论了二阶回归机器学习算法和多项式三边机器学习算法，都获得了厘米级的定位精度。为进一步提高室内可见光定位的精度和鲁棒性，本文提出一种基于双反向传播（BP）神经网络的单发光二极管（LED）灯室内定位算法。

4 结束语
       本文提出了一种新颖的单LED灯室内定位算法，采用单个LED灯作为发射器，3个水平PD作为接收器接收光功率，结合双BP神经网络定位算法实现室内高精度定位。仿真结果表明：在3 m×3 m×3.5 m的定位区域内，本文算法的平均定位精度可达0.0042 m。与可见光的多灯定位系统相比，本文定位系统避免了多个 LED 灯在定位时引起的光源符号间干扰；与传统的室内可见光定位算法相比，本文算法的定位精度和鲁棒性都显著提高。