Visible Light Positioning Method Using the Angular Offset model of LED for Fingerprint Database Generation

PENG Yu; GUI Lin; WANG Jinke

doi:10.3788/gzxb20265507.0712004

Chinese

您当前的位置：

首页 >

文章列表页 >

Visible Light Positioning Method Using the Angular Offset model of LED for Fingerprint Database Generation

更新时间：2026-06-12

- Visible Light Positioning Method Using the Angular Offset model of LED for Fingerprint Database Generation
- Acta Photonica Sinica Pages: 1-17(2026)
- 作者机构：
  
  1.上海第二工业大学智能制造与控制工程学院，上海市 201209
  2.上海第二工业大学计算机与信息工程学院，上海市 201209
- 作者简介：
- 基金信息：
- DOI：10.3788/gzxb20265507.0712004
  CLC： O436
- CSTR：32255.14.gzxb20265507.0712004
- Received：22 January 2026，
  
  Revised：2026-04-03，
  
  Accepted：03 April 2026，
- 稿件说明：
移动端阅览
彭煜，桂林，王进轲. 基于LED角度偏移模型生成指纹库数据的可见光定位方法［J］.光子学报，2026，55（7）：0712004

PENG Yu， GUI Lin， WANG Jinke. Visible Light Positioning Method Using the Angular Offset model of LED for Fingerprint Database Generation［J］. Acta Photonica Sinica， 2026， 55（7）：0712004
彭煜，桂林，王进轲. 基于LED角度偏移模型生成指纹库数据的可见光定位方法［J］.光子学报，2026，55（7）：0712004 DOI： 10.3788/gzxb20265507.0712004. CSTR： 32255.14.gzxb20265507.0712004.

PENG Yu， GUI Lin， WANG Jinke. Visible Light Positioning Method Using the Angular Offset model of LED for Fingerprint Database Generation［J］. Acta Photonica Sinica， 2026， 55（7）：0712004 DOI： 10.3788/gzxb20265507.0712004. CSTR： 32255.14.gzxb20265507.0712004.

摘要

针对LED（light-emitting diode）光源出现角度偏移而导致的定位精度降低问题，将角度偏移信息引入朗伯模型中，提出一种估计该角度偏移的方法，使用包含角度偏移的朗伯模型完成指纹库数据的生成，并结合指纹定位方法完成可见光定位。所提角度偏移估计方法，利用序列二次规划SQP（sequential quadratic programming）算法解决朗伯模型在室内可见光定位的带约束非线性优化问题，再通过非线性自适应粒子群算法NA-PSO（nonlinear adaptive particle swarm optimization）确定方向角，实现在SQP解集中筛选出最优角度偏移值。为了验证所提方法的普适性，仿真环境设置信噪比为10-50dB，仿真结果表明，本文方法定位误差均值较传统WKNN（weighted k-nearest neighbors）和KNN（k-nearest neighbors）降低57.3%，利用角度修正模型显著抑制了角度扰动对接收信号强度（RSS）的影响；与细粒度指纹库WKNN相比，本文方法无需离线阶段采集角度信息，在40-50dB下实现定位精度提升81.4%，倾斜角与方向角估计误差分别降低86.1%和90.7%，在10-20dB高噪声环境定位误差和角度估计误差与使用71万数据量细粒度指纹库定位误差相当，与RBF神经网络相比定位误差均值降低，本文方法在20dB信噪比下CDF（cumulative distribution function）误差累积在中位相较RBF（radial basis function）提升16.7%，在90%分位相较提升40.8%。因此所提室内可见光角度偏移估计方法能有效减小定位误差，在多数噪声情况下具有鲁棒性。

Abstract

Objective

Indoor visible light positioning （VLP） faces significant accuracy degradation due to unintentional LED angular offsets （e.g.， during installation or manufacturing）. Traditional solutions， such as fine-grained fingerprint databases or neural networks， require extensive offline data collection of angle information， leading to high deployment costs and limited scalability. This study aims to propose a robust， data-efficient method to estimate and compensate for LED angle offsets without offline angle measurements， thereby enhancing VLP accuracy under diverse noise conditions.

Methods

The proposed framework， SQP-NAPSO， integrates， Angle Offset Estimation： SQP （Sequential Quadratic Programming）solves a constrained nonlinear optimization problem derived from the Lambertian model to estimate initial azimuth and tilt angles.NA-PSO （Nonlinear Adaptive Particle Swarm Optimization）resolves SQP’s multi-solution ambiguity by fixing the azimuth direction using the indoor point of maximum RSS. NA-PSO enhances convergence and global search via nonlinear adaptive inertia weights and dynamic learning factors. Positioning： The estimated angles refine the Lambertian model to generate an online fingerprint database without offline angle collection. WKNN （Weighted k-Nearest Neighbors） leverages the refined model for robust localization. Experiments validated the method under 10–50 dB SNR， comparing it against baseline approaches： traditional WKNN/KNN， fine-grained WKNN （with offline angle data）， and RBF neural networks.Results and Discussions　Angle Estimation： NA-PSO outperformed PSO， Greedy Algorithm， and Simulated Annealing in azimuth search accuracy （mean error： 4.4° vs. 13.4°–36.1°）. SQP-NAPSO reduced tilt/azimuth estimation errors by 86.1% and 90.7% versus fine-grained WKNN at 40–50 dB SNR. Positioning Accuracy： Mean localization error decreased by 57.3% compared to traditional WKNN/KNN. At 40–50 dB SNR， accuracy improved by 81.4% over fine-grained WKNN （requiring 714k offline data points vs. 63 RSS samples for SQP-NAPSO）. In high noise （10–20 dB）， accuracy matched fine-grained WKNN while reducing data dependency. Outperformed RBF neural networks： at 20 dB SNR， median CDF error improved by 16.7% and 90th-percentile error by 40.8%. Robustness： Maintained stability across initial angle offsets （e.g.，［45°， 10°］，［60°， 5°］） and SNR levels. Angle correction suppressed RSS distortion from attitude perturbations， enhancing spatial continuity in fingerprint maps.

Conclusions

The SQP-NAPSO method effectively addresses LED angular offsets in VLP systems by： Eliminating costly offline angle data collection， Leveraging model-based optimization for accurate angle estimation under noise （10–50 dB SNR）， Achieving >57% positioning error reduction versus classical methods and >81% versus data-intensive fingerprinting. This approach balances high accuracy， computational efficiency， and deployment practicality， making it suitable for real-world indoor positioning applications. Future work may optimize real-time implementation and multi-LED scenarios.

关键词

Keywords

references

Maheepala M ， Kouzani A Z ， Joordens M A . Light-based indoor positioning systems： A review ［J］. IEEE Sensors Journal ， 2020 ， 20 （ 8 ）： 3971 - 3995 .

Zhu Z ， Yang Y ， Chen M ， et al . A survey on indoor visible light positioning systems： fundamentals ［J］. Applications ， and Challenges， 2024 .

Zhuang Y ， Hua L ， Qi L ， et al . A survey of positioning systems using visible LED lights ［J］. IEEE Communications Surveys & Tutorials ， 2018 ， 20 （ 3 ）： 1963 - 1988 .

叶子蔚，叶会英，聂翔宇，等 . 基于接收信号强度检测的高精度可见光定位方法［J］. 中国激光， 2018 ， 45 （ 03 ）： 263 - 270 .

Jin L ， Jiang Q ， Yu S ， et al . Lightweight RSS-Based Visible Light Positioning Considering Dust Accumulation ［J］. Journal of Lightwave Technology ， 2025 .

Guoqing H ， Ya L ， Bo B ， et al . Accuracy Evaluation of Indoor AoA Visible Light Positioning With MLP Regression Model ［J］. IEEE Photonics Technology Letters ， 2025 .

Du P ， Zhang S ， Chen C ， et al . Demonstration of a low-complexity indoor visible light positioning system using an enhanced TDOA scheme ［J］. IEEE Photonics Journal ， 2018 ， 10 （ 4 ）： 1 - 10 .

Sun X ， Zou Y ， Duan J ， et al . The positioning accuracy analysis of AOA-based indoor visible light communication system ［C］// 2015 International Conference on Optoelectronics and Microelectronics （ICOM） . IEEE ， 2015 ： 186 - 190 .

Huang H Q ， Yang A Y ， Feng L H ， et al . Artificial neuralnetwork-based visible light positioning algorithm with a diffuse optical channel ［J］. Chinese Optics Letters ， 2017 ， 15 （ 5 ）： 20 - 24 .

Mao X ， Jing L ， Tong Z ， et al . Indoor visible light positioning system driven by deep neural network based on Kalman filtering and clustering optimization ［J］. Optics Communications ， 2025 ： 132090 .

赵黎，韩中达，张峰 . 基于神经网络的可见光室内立体定位研究［J］. 中国激光， 2021 ， 48 （ 07 ）： 145 - 154 . DOI: 10.3788/CJL202148.0706004 http://dx.doi.org/10.3788/CJL202148.0706004

赵楚韩，张洪明，宋健 . 基于指纹的室内可见光定位方法［J］. 中国激光， 2018 ， 45 （ 08 ）： 202 - 208 .

赵霞，张君毅，龙倩倩 . 基于 Circle 混沌映射的 ISSA-ELM 神经网络室内可见光定位方法［J］. 光学学报， 2023 ， 43 （ 2 ）： 33 - 42 .

秦岭，张崇泰，郭瑛，等 . 基于 Elman 神经网络的可见光室内定位算法研究［J］. 光学学报， 2022 ， 42 （ 5 ）： 24 - 31 .

ARMSTRONG J ， SEKERCIOGLU Y A ， NEILD A . Visible light positioning： A roadmap for international standardization ［J］. IEEE Communications Magazine ， 2013 ， 51 （ 12 ）： 68 - 73

Wang L ， Guo C ， Luo P ， et al . Indoor visible light localization algorithm based on received signal strength ratio with multi-directional LED array ［C］// 2017 IEEE International Conference on Communications Workshops （ICC Workshops） . IEEE ， 2017 ： 138 - 143 .

李庆香，刘海艳，陈艺辉，等 . 基于神经网络的多朝向 LED 可见光定位［J］. 光学学报， 2024 ， 44 （ 22 ）： 2206004-2206004-11 .

周炳朋，陈光森，王鑫 . 面向可见光无线定位的指纹推理模型校准［J］. 电子学报， 2024 ， 52 （ 06 ）： 1925 - 1937 .

Chen ， Yang ， Ming Gao ， and Xiao Song . " Method to design the common aperture multi-band optical system based on the PSO algorithm ." Optics express 29.12 （ 2021 ）： 18325 - 18335 .

徐世武，吴怡，王徐芳 . 基于粒子群优化压缩感知的可见光定位算法［J］. 中国激光， 2021 ， 48 （ 03 ）： 81 - 90 .

Guo X ， Shao S ， Ansari N ， et al . Indoor localization using visible light via fusion of multiple classifiers ［J］. IEEE photonics journal ， 2017 ， 9 （ 6 ）： 1 - 16 .

刘公绪，李龙，路建民，等 . 无线信号交汇定位的奇异解问题表征与解决［J］. 中国科学：信息科学， 2022 ， 52 （ 11 ）： 1992 - 2010 .

Sung J Y ， Yeh C H ， Chow C W ， et al . Orthogonal frequency-division multiplexing access （OFDMA） based wireless visible light communication （VLC） system ［J］. Optics Communications ， 2015 ， 355 ： 261 - 268 .

苏辰希，张艳语，李盾，等 . 基于空间优化的室内可见光定位方法［J］. 光学学报， 2024 ， 44 （ 13 ）： 78 - 87 .

张慧颖，于海越，王凯，等 . 基于KPCA-K-means++和GA-LMS模型的改进RBF神经网络室内可见光定位［J］. 光学学报， 2021 ， 41 （ 19 ）： 72 - 81 . DOI: 10.3788/AOS202141.1906001 http://dx.doi.org/10.3788/AOS202141.1906001

杨广龙，孔勇平，钟致民，等 . 基于多模指纹匹配的室内定位系统设计与实现［J］. 计算机工程与设计， 2013 ， 34 （ 5 ）： 1896 - 1901 .

宋素真，桂林，杨晨，等 . 可见光通信应用于安全支付有效区域的研究［J］. 上海第二工业大学学报， 2020 ， 37 （ 03 ）： 207 - 212 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research on STFT-BOTDR Performance Enhancement Based on Differential Brillouin Gain Spectrum

Research on the Extraction Method of Test Light Source Variation Based on Directional Polarimetric Camera Data

Research on Signal-to-noise Ratio of Low-light Level Image Intensifier Based on Night Sky Light Spectrum Matching

Research on Power-line Interference Removal Method of Ultraviolet Communication Signal Based on Wavelet Transform

Measure and Comparison between the Second-generation and the Third-generation Image Intensifier within the Different Region of Wavelength

Related Author

XU Xiaomin

GUO Linfeng

LI Yongzheng

CHEN Yiyu

XU Qingyu

MA Dingyi

WANG Yi

YE Chen

Related Institution

Department of Engineering， University of Cambridge， Cambridge CB2 1PZ， United Kingdom

Department of Engineering， University of Manchester， Manchester M13 9PL， United Kingdom

Jiangsu International Joint Laboratory for Meterological Photonics and Optoelectronic Detection

Jiangsu Engineering Research Center for Intelligent Optoelectronic Sensing Technology of Atmosphere

China Railway No.3 Group East China Construction Co.， Ltd.

AI问答

Postal code：100079
Tel：（010）53879206 Email：tmw@bjxintong.com.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09082226号-64 京公网安备11010602201714号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰