该文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

基于多尺度SE-ResNet50的室内可见光LED-ID定位方法研究

一、作者与机构信息
本研究由多位作者合作完成，包括：
- 第1作者：1st given name surname（单位：dept. name of organization, name of organization, city, country）
- 其他作者：4th/2nd/5th/3rd/6th given name surname（分别来自不同机构，详见原文）
研究发表于IEEE会议或期刊（具体名称未明确标注），文档编号格式为xxx-x-xxxx-xxxx-x/xx/$xx.00 20xx IEEE。

二、学术背景与研究目标
科学领域：本研究属于可见光通信（Visible Light Communication, VLC）与室内定位技术的交叉领域，涉及多媒体广播、无线通信、深度学习等方向。
研究背景：
1. 技术需求：传统室内定位技术（如TDOA、RSS、AO）依赖额外设备且计算量大，而工业场景仅需区域级定位即可满足任务分发需求。
2. 技术瓶颈：现有LED-ID定位方法在远距离或边缘区域因LED面积缩小导致数据包捕获不全，且光电二极管（PD）易受环境光干扰。
3. 创新契机：可见光通信具有频谱资源丰富、部署成本低等优势，结合图像传感器（CMOS）与深度学习可提升定位稳定性。
研究目标：提出一种基于图像传感器和多尺度SE-ResNet50网络的LED-ID定位方法，实现高精度、低成本的工业级室内定位。

三、研究流程与方法
1. 系统架构设计
- 硬件配置：
- 发射端：编码LED（电压12V，功率10W，尺寸12mm×12mm），采用OOK调制（开关键控）传输ID信号。
- 接收端：CMOS图像传感器（IMX335，分辨率640×480，帧率30fps）捕获信号帧图像。
- 定位流程：LED发射编码光信号→移动终端捕获图像→多尺度SE-ResNet50分类→查询LED-ID数据库获取位置信息。

1. 算法开发与优化

   • 多尺度卷积模块：
     
     • 并行使用3×3和5×5卷积核提取局部与全局特征（公式2-4），增强对不同尺寸LED的适应性。
       
   • SE注意力机制：
     
     • 通过压缩-激励（Squeeze-Excitation）模块（图5）动态加权通道特征，提升关键信息提取能力（公式5-8）。
       
   • 迁移学习：
     
     • 基于ImageNet预训练的ResNet50参数初始化模型，优化特征提取能力（如条纹、纹理等）。
       

2. 实验验证

   • 测试平台：2m×2m×2.2m封闭环境，划分144个测试点（间距0.1m），LED固定高度160cm。
     
   • 数据采集：
     
     • 4种编码LED各采集14400帧图像（每点100帧），70%训练集、15%验证集、15%测试集（共25921张）。
       
   • 模型训练：
     
     • 软件环境：PyTorch 2.2.0、Python 3.9；参数：batch size=64，epoch=100，Adam优化器（学习率0.0001），L2正则化（λ=0.001）。
       

四、主要研究结果
1. 消融实验（表Ⅱ）：
- 单独使用SE模块或迁移学习仅提升3.18%和13.74%，而多尺度卷积使准确率达98.78%。
- 完整模型（多尺度+SE+迁移学习）准确率99.45%，较原始ResNet50（61.26%）提升38.19%。

1. 对比实验（表Ⅲ）：

   • 改进模型准确率（99.45%）显著高于VGG-16（65.93%）、MobileNet_v2（48.13%）等主流网络。
     

2. 边缘区域性能（图9）：

   • 在光辐射边缘区域（距离增加、角度偏移），最低识别率仍达99.12%，验证模型强鲁棒性。
     

五、结论与价值
1. 科学价值：
- 提出首个结合多尺度卷积与SE注意力的ResNet50改进模型，解决了LED-ID边缘识别难题。
- 证明了迁移学习在可见光定位任务中的有效性，为小样本学习提供新思路。
2. 应用价值：
- 可部署于智能工厂等大场景，仅需编码LED和普通摄像头即可实现低成本定位（无需额外设备）。
- 支持512种LED-ID扩展，未来可通过提升摄像头分辨率进一步增加容量。

六、研究亮点
1. 方法创新：
- 多尺度卷积与SE注意力机制协同优化，显著提升特征提取能力。
- 首次将LED-ID定位转化为图像分类问题，简化系统复杂度。
2. 技术突破：
- 在工业级测试环境下实现99.45%的识别准确率，边缘区域性能优于传统算法。

七、其他价值
- 开源硬件设计（如MCP4725 DAC、LM2596S降压模块）和软件参数（GitHub未标注但可复现）为后续研究提供参考。

（注：因原文未明确标注期刊名称和部分作者信息，报告中以原文格式保留；术语如“OOK调制”等首次出现时标注英文。）