可見光通信的自動導航系統設計*

王加安，楊鴻基，劉疏影

(常州工學院 光電工程學院，江蘇 常州213032)

0 引 言

近年來，基于照明的可見光通信技術在室內定位技術應用領域取得了重要成果，如何提高可見光通信的定位精度已成為眾多專家學者主要的研究方向[1-4]。

為了提高可見光定位的精度，國內外學者已經進行了相關研究。許毅欽等人[5]采用人工神經網絡空間距離預測算法設計了室內基于可見光通信的定位系統，通過測量每個LED的信號強度來確定接收器在三維空間的坐標。李斗鵬[6]建立了基于PD傳感器的室內可見光定位系統中LED信號的空間傳輸模型，主要針對LED安裝平面與PD接收平面平行的場景，即LED的輻射角φ與光電接收器的入射角ψ相等的情形。這種方式的室內定位系統需要高幀率的攝像頭，成本高并且需要處理的數據量較大，LED中的R、G、B三色配比，會影響正常的停車場照明裝置。于穎等人[7]設計的地下車庫路徑導航系統中，需要將車庫的物理外觀抽象為平面模型，運用蟻群算法對導航路徑進行計算，得到的路徑規劃信息通過MSP430單片機產生不同頻率的方波信號，這樣一來，接收機處的前置放大電路作為光信號恢復的關鍵部分，直接影響到接收機的靈敏度，也會影響信號的傳輸質量。

綜上所述，在基于可見光通信的定位系統研究中，LED信號的驅動以及其他各種環境因素的干擾對于定位精度的影響較大[8-9]。針對這些問題，本文對基于可見光通信的定位系統進行了改進，對干擾因素提出了解決方案，提升了整個系統的工作效率，并大幅減小了環境對光源的影響，實現了精準定位。

1 室內可見光通信基本信道模型

在無線光通信的研究中信道主要分成直射路徑的視距鏈路(Line of Sight，LOS)與非直射路徑的視距鏈路(Non-line of Sight,NLOS)兩類，室內可見光通信信道也主要分成這兩類[10]。其中，LOS 信道如圖1(a)所示，接收到的能量占主要部分，但其易受到障礙物的遮擋從而阻斷信號的傳輸；NLOS 信道如圖1(b)所示，通信系統不易受物體的陰影效應的影響，信號經過墻面或物體表面的漫反射到達接收模塊，降低收發兩端的指向要求，缺點是存在多徑效應，干擾通信質量，同時對信號的傳輸速率有限制。

圖1 視距鏈路圖

綜合考慮本系統的使用場景為停車場自動導航，信道以直射鏈路為主，主要對直射鏈路的信道增益及接收光功率進行分析。由于LOS信道受多徑效應的影響比較小，信道鏈路可看成是線性衰減和延遲的。假設傳輸距離為d，接收端光電檢測器的感光面積為Ar，由于LED屬于朗伯輻射模型，當d>>Ar時，光電檢測器接收到的光功率可看成是一個常數。在一個光鏈路中，直射增益可以表示為

(1)

(2)

式中：n表示折射指數。假設發射光功率為Pt，則經過LOS信道傳輸，接收到的光功率可以表示為

Pr-los=Hlos(0)·Pt。

(3)

2 系統總體設計

基于可見光通信的自動導航系統主要包含4個模塊，分別是導航位置監測模塊、可見光信號調制解調模塊、位置語音播放模塊以及定位導航模塊。導航位置監測模塊獲得各點的位置信息，并將位置信息發送至可見光信號調制模塊，將電信號轉化為光信號后經由LED發出；可見光信號解調模塊采集拍攝圖像，通過數據分析對所采集到的圖片信息進行信號轉化、數據處理與計算，將計算得到的位置坐標顯示到顯示屏上，確定被測點的位置坐標，定位導航模塊根據最優規劃路徑進行自動導航。本文采用脈沖寬度調制(Pulse Width Modulation，PWM)調制方法，通過電源驅動LED，發送音頻信號，語音播報坐標信息，從而實現自動導航的功能。系統的整體結構如圖2所示。

圖2 系統整體框圖

2.1 導航位置監測模塊

2.1.1 基于光信號強度的檢測方法

基于光信號強度檢測的可見光定位方法是對檢測到的光信號強度進行分析,從而獲取更加精確的定位坐標。該方法一般利用強度調制和直接檢測手段,根據不同的載波類型，將光信號從發射端發出，從而降低固定區域內的信號干擾。這種檢測方法以LED的輻射模型為基礎,根據光照信號強度的不同實現距離的計算。

2.1.2 基于最小二乘法的定位坐標計算

運用光信號高頻噪聲檢測技術進行干擾噪聲處理，減少了區域內信號互相干擾。從LED的光照輻射強度分布特征可知，光信號的輻射強度可用接收器與LED光源之間距離的函數關系來表示。在檢測到的定位時序中，接收器根據檢測到的信號強度分別進行分析，得到不同類型的光源信號；對接收到的每個光源信號進行分析，進一步計算得到接收器的位置坐標。光源信號強度在線檢測法的最重要環節就是根據每個接收器和光源之間的光線距離強度來準確獲取每個接收器的光源位置，利用三角定位法進一步提高定位的精準度，降低算法的復雜性，本文通過使擬合數據和真實數據之間誤差的平方和最小即最小二乘法實現。假定接收器接收到的信號源總數是M，接收端待測坐標為(x,y)，Li表示待測坐標與第i個信號源之間的距離，因此有

(4)

則誤差函數表達式如下：

fc=(HX-Y)T(HX-Y) 。

(5)

式中：

對誤差函數求導，并使其等于0，有

2HTHX-2HTHY=0，

(6)

X=(HTH)-1HTY。

(7)

如果HTY為非奇異的，可以直接獲取接收器坐標，實現定位。

2.2 可見光信號調制解調模塊

2.2.1 可見光通信調制方式

可見光通信編碼一般有脈沖寬度調制、開關鍵控調制(On-Off Keying,OOK)和脈沖調制編碼(Pulse Position Modulation，PPM)三種方式，其中PWM編碼是用同一種頻率的方波來發送信號，用方波的占空比來區別高低電平。為了減少發射功率，本文采用高電平固定，通過改變低電平的方式來實現PWM編碼，編碼格式如圖3所示。使用高電平脈沖寬度2 μs、低電平8 μs表示邏輯“1”；高電平脈沖寬度2 μs、低電平脈沖寬度3 μs表示邏輯“0”；高電平脈沖寬度2 μs、低電平脈沖寬度15～65 μs表示啟動代碼。需要注意的是，在編碼過程中，高電平脈沖寬度應盡可能小，從而不影響接收器識別，以降低傳輸的總體功耗，便于在硬件電路上提高發射管的瞬時功耗，提高信噪比，延長通信距離。

圖3 PWM調制編碼

2.2.2 LED驅動電路

本文設計的自動導航驗證系統大小為1 m×1 m×1 m，光源選擇的是聚光性好、發射功率大的3 W LED燈珠，系統采用歐司朗的SinkPAD芯片控制LED高亮，完成信號的發射，實現長距離、高信噪比的通信。LED驅動電路如圖4(a)所示。

圖4 發射端電路圖

為了避免在對LED進行全開全關調制時系統輸出出現非線性失真的情況，采用Bias-Tee ZFBT-4R2GW-FTB偏置器提供偏置電流，同時系統中加入了可提高LED驅動能力的BUF634T芯片，實現調節LED調制的作用。

2.2.3 前置放大電路

一般情況下，要傳輸的信號是直接輸出或采集的，且信號幅度相對較小，需要進行高倍率處理。為了減少干擾信號，在信號輸入端增加了大功率交流放大電路,如圖4(b)所示。

2.2.4 接收電路設計

首先本系統采用運算放大芯片OPA657構建如圖5(a)所示的一級放大電路。要想實現伏級的電壓輸出，如果僅通過一級放大電路，那么反饋電阻達到幾萬歐以上，如此大的反饋電阻會引起兩個問題：一是白光LED的光信號是在一個直流偏置上疊加的，調制深度較小，外界的雜光干擾如日光等也增加了直流成分，因此轉換后的電壓信號直流成分多，信號成分微弱，且容易飽和，信號全部丟失；二是接收端帶寬將急速下降，失去信號高頻成分，提高了系統誤碼率。為了解決這一問題，本實驗系統以兩片OPA657芯片為核心組成二級運算放大電路，無源高通濾波器處于兩級放大之間和第二級輸出之后，濾除直流成分，第二級運放只放大信號的高頻分量，具體電路結構如圖5(b)所示。

圖5 放大電路

在二級放大電路中，由電容C2、C3及R3、R4組成的高通濾波網絡其特性用輸出電壓與輸入電壓比值的絕對值表示：

(8)

(9)

實驗中取C2=C3=1 μF，R3=R4=1 kΩ，則根據上式，f3 dB=452.27 Hz，濾除了直流和低頻成分。

2.2.5 解碼子程序設計

與信號的編碼過程相對應，接收到的數據可以通過識別和捕獲兩個數據下降線路沿的時間來確定：如果這個時間為 7 μs，則被確認為數據“0”；如果持續時間是12 μs，則被確認為數據“1”；如果開始的時間是15～65 μs，則其起始位被判斷為主要數據。開啟定時器，測量一次即收到一位數據，識別起始位后，將逐位接收和存儲下一個接收到的數據。如果在接收到起始位之后，檢測到時間不在數據0或1的時間范圍內，則放棄該幀接收到的數據，并且將重新存儲下一幀數據的起始位。

2.3 位置語音播放模塊

語音信號功率放大器的輸出模塊原理框圖如圖6所示，電路主要由音頻運算放大器TAD2822組成。語音信號的功率放大輸入模塊電路主要包括帶通濾波器和功率放大電路兩部分，其中帶通濾波器用于濾除D/A輸出信號中的混疊頻率分量，降低干擾。

圖6 語音信號功放電路圖

2.4 定位導航模塊

定位導航模塊接收端的攝像頭智能捕捉停車場LED發出的圖像信息，濾除背景雜質光后，獲得具體的位置信息，綜合計算車輛當前所處實際位置，并在軟件終端顯示，實現車輛定位。在用戶選擇目標車位后，采用貝葉斯相位中心偏置天線(Bayesian Information Criterions Displaced Phase Center Antenna，BDPCA)聚類算法[11-12],提供當前位置到目標車位的最佳路徑，實現停車場的自動導航。

2.4.1 BDPCA聚類算法

DPCA算法[13]由Alexrodriguez和Alessandrolaio在2014年首次提出，算法的核心就在于對聚類中心點的描述，算法的實現基于以下假設：類簇的中心點在周圍的密度遠遠超過了相鄰高密度點的密度。因此，DPCA算法主要有兩個核心部分，即局部密度和高密度位置之間的距離。

在DPCA算法中，根據決策圖進行人工篩選，憑借主觀判斷數據的聚類中心以及簇類別，然而主觀的人工判斷容易出現誤判，給聚類結果帶來很大的影響。本文提出將貝葉斯信息準則(Bayesian Information Criterions，BIC)與DPCA算法融合的BDPCA算法，不但考慮了各類參考因素在種群發生的概率，而且對誤判所帶來的定位誤差，算法都具有很強的辨別能力。

在BDPCA算法中需要注意兩點：一是要分類的人群參考數量和人群的類別，比如兩種情況下的參考整體(正常和異常)或異型的參考整體(良好、滿意、正常、不滿意、非允許等)；二是已知各種參考總體的概率和分布，即可得到已知每個參考總體的預驗概率和各種概率密度的函數p，顯然，0≤p(Di)≤1，i=l，2，…，L，∑p(Di)=1。

2.4.2 最佳路徑導航

首先通過攝像頭傳感器對運動車輛的位置進行判斷，系統獲取當前停車場的空車位信息，利用BPDCA算法，選擇時間最少、距離最短的最佳車輛行駛路徑。通過組合最佳導航路徑上各節點處發出的 “0”“1”信號判斷該位置車輛的行駛方向。當安裝在車輛上的運動傳感器檢測到當前節點上方有其他運動的車輛時，該節點將會發出頻率信號，安裝在上方車輛上的光電探測器將會接收此頻率信號，將此信號轉換成駕駛員可以識別的信息顯示。當該車輛通過了所在節點，那么此節點將變成后續車輛自動導航的指示信息。同樣，當車輛需要離開當前車位時，傳感器將檢測到的車輛變化信息發送到系統，系統將為車輛做好出庫路線的規劃。

3 實驗系統測試與分析

為了驗證本文設計的基于可見光通信自動導航系統的性能，建立了大小為1 m×1 m×1 m的實驗系統進行定位和導航測試，實物照片如圖7所示。

圖7 系統實物圖

3.1 定位系統測試

根據系統實物圖將4個象限分成了A、B、C、D 4個區域，在每個區域中各隨機選取10組定位數據進行分析，各區域的定位數據如表1所示。

表1 定位測試數據表

表1(續)

分析表1數據可知，經40次定位實驗，系統的平均定位誤差為4.85 cm，最大定位誤差為7.90 cm，最小定位誤差為1 cm。本系統與文獻[5-7]定位系統定位誤差的比較如圖8所示。

圖8 與文獻[5-7]定位誤差對比圖

圖8的結果表明，本系統的定位誤差較小，定位精度較高，可滿足自動導航的需求。

3.2 自動導航路徑測試

為驗證本系統自動導航的性能，以部分空閑停車位作為實驗對象，如圖9所示，對導航系統的路徑進行測試，并與文獻[14]進行對比，測試結果如表2所示,導航路徑規劃如圖10所示。

圖9 停車場車位示意圖

表2 導航測試結果

圖10 導航路徑規劃圖

分析表2和圖10的結果可知，與文獻[14]相比，本系統的路徑規劃距離更近，系統的導航精度更好，經過路徑所需要的時間更少，因而提升了自動導航系統的效率。

4 結 論

本文提出了一種利用照明LED的可見光通信自動導航系統，通過使用BDPCA聚類算法高效地計算出系統最佳導航路徑，利用光強檢測的方法對定位坐標實施精準定位，快速有效地監測停車場內空閑車位并進行最優的路徑規劃。實驗結果表明，本系統的最大定位誤差為7.90 cm，平均定位誤差為4.85 cm，降低了26%，提升了定位精度；最佳導航路徑距離更短，所用時間平均降低了20%。本文的研究可以為可見光的定位導航提供一定的參考。