Indoor visible light positioning system with artificial neural networks

Abstract

In an indoor environment, optical wireless communications technology is used to create a positioning system using several positioning algorithms and machine learning models that estimate the position of a photodiode receiver that receives the information transmitted by four light emitting diodes transmitters. The photodiode receiver only provides a mixed signal composed of the sum of the four signals sent by the four transmitters. In this dissertation, we resort to the use of Fourier transform equations in the analysis of the power of the four signals that compose the mixed signal, in the frequency domain, in order to recover the direct current gain of the four signals that arrive at the receiver. The positioning algorithms use the direct current gain value of each of the singular components of the mixed signal to estimate a position value. The position algorithms implemented that estimate the receiver position are, interpolation algorithms with weighted averages, trilateration algorithms with and without machine learning adjustments and neural network model. The efficiency of the algorithms is evaluated by the position error values when the system is affected by Gaussian noise. For the system presented in this dissertation, the most efficient algorithm implemented is the trilateration algorithm, without the machine learning adjustment. This algorithm, produces a maximum positioning error of 7.31 millimeters, when the noise power inserted in the system is zero.

Num ambiente interno, a tecnologia de comunicações ópticas sem fio é usada para criar um sistema de posicionamento usando vários algoritmos de posicionamento e modelos de aprendizado de máquina que estimam a posição de um recetor de fotodíodo que recebe as informações transmitidas por quatro transmissores de díodos emissores de luz. O recetor fotodíode fornece apenas um sinal misturado composto pelo somatório dos quatro sinais enviados pelos quatro transmissores. Nesta dissertação, recorre-se ao uso de equações da transformada rápida de Fourier na análise da potência dos quatro sinais que compõem o sinal misturado, no domínio da frequência, com o objetivo de recuperar o ganho de corrente contínua dos quatro sinais que chegam ao recetor. Os algoritmos de posicionamento utilizam o valor de ganho de corrente contínua de cada uma das componentes singulares do sinal misturado para estimar um valor de posição do recetor, sendo que são implementados, os algoritmos de interpolação com médias pesadas, algoritmos de trilateração com e sem ajustes feitos por algoritmos de aprendizado de máquina e modelos de rede neural que estimam essa posição. A eficiência dos algoritmos é avaliada segundo o valor de erro quando o sistema é afetado por um erro gaussiano. Para o sistema apresentado nesta dissertação, o algoritmo mais eficiente implementado é o algoritmo de trilateração, sem o ajuste de aprendizado de máquina. Este algoritmo produz um erro de posicionamento máximo de 7.31 milímetros, quando a potência do ruído inserida no sistema é nula.