| 基于卷积神经网络的5G蜂窝网络无线定位方法 |
| |
| 引用本文： | 熊星月,何迪,何至军,周志成.基于卷积神经网络的5G蜂窝网络无线定位方法[J].数据采集与处理,2022,37(6):1228-1245. |
| |
| 作者姓名： | 熊星月 何迪 何至军 周志成 |
| |
| 作者单位： | 1.上海交通大学电子信息与电气工程学院北斗导航与位置服务上海市重点实验室，上海 200240;2.北京集智数字科技有限公司，北京 100871;3.深圳达实智能股份有限公司，深圳 518057 |
| |
| 基金项目： | 国家自然科学基金（61971278,62231010）；上海交通大学-龙湖智慧空间联合实验室项目（XM22018）；深圳市科技创新委员会承接国家重大科技项目（CJGJZD20210408092601004）。 |
| |
| 摘 要： | 5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。
|
| 关 键 词： | 深度学习 卷积神经网络 接收信号强度指示 相位 到达角 |
| 收稿时间： | 2022/4/20 0:00:00 |
| 修稿时间： | 2022/7/3 0:00:00 |
Wireless Localization Method Based on Convolutional Neural Network Using 5G Cellular Networks |
| |
| XIONG Xingyue,HE Di,HE Zhijun,ZHOU Zhicheng.Wireless Localization Method Based on Convolutional Neural Network Using 5G Cellular Networks[J].Journal of Data Acquisition & Processing,2022,37(6):1228-1245. |
| |
| Authors: | XIONG Xingyue HE Di HE Zhijun ZHOU Zhicheng |
| |
| Affiliation: | 1.Shanghai Key Laboratory of Navigation and Location-Based Services, School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China;2.Beijing Jizhi Digital Technology Co.,Ltd, Beijing 100871, China;3.Shenzhen Dashi Intelligent Co., Ltd, Shenzhen 518057, China |
| |
| Abstract: | |
| |
| Keywords: | deep learning convolutional neural network received signal intensity indication phase direction of arrival |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
