C114通信网  |  通信人家园

专题
2022/8/9 10:29

基于机器学习的5G室内定位方法

邮电设计技术  张千坤,陈任翔,钟志刚,周国栋

本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部

摘要:提出了一种适用于5G数字化室内分布式系统的通用室内定位方法。该方法首先采集数字化室分天线与终端(UE)之间的信道状态信息(Channel State Information,CSI),其次在时域和频域对 CSI进行预处理,得到有效的 CSI幅值,然后为减少CSI的重复采样和计算复杂度,构建灰色预测模型GM(1.1)对采集到的CSI样本值进行预测,生成新的CSI序列,最后采用机器学习算法构建室内信号传播模型,即CSI与距离之间的非线性关系,并结合多个天线完成定位。

关键词:5G;机器学习;CSI;数字分布;路径损耗模型

doi:10.12045/j.issn.1007-3043.2022.07.010

概述

根据定位环境,无线定位系统可分为2种:室内无线定位系统和室外无线定位系统,室外无线定位系统,主要采用的是 GPS 定位,而室内定位主要采用的是无线网、蓝牙、超宽带UWB)等技术。5G网络的大带宽、低时延、高可靠特性,为业务提供必要的网络基础,推动业务的不断丰富。业务应用场所有80% 以上在室内,而室内定位由于 GPS 信号弱无法满足室内业务位置服务的需求。随着业务的发展,室内定位的需求越来越强烈。由于室内环境复杂,如物体位置的随机移动、多路径散射、电磁干扰等,在室内进行精确的目标定位相比室外来说要困难得多。因此5G 室内场景急需一种定位精度高、复杂度低,且对设备以及终端没有要求的定位方法。

本文首先将采集到的CSI通过逆傅里叶变换转换到时域,在时域进行滤波,消除多径的影响,然后再将滤波后的CSI转到频域,在频域进行加权求和处理,减少频率选择性衰落的影响,得到有效的 CSI,同时,为得到更加准确的 CSI 序列,本文还采用灰色预测模型 GM(1.1),对频域的 CSI 序列进行预测,构建新的CSI序列,减少了采集CSI的数量,降低了计算复杂度,然后用新的 CSI 序列带入路径损耗模型进行距离估计。室内定位的难点主要在于室内路径损耗模型的建立,传统的路径损耗模型主要是基于经验或者确定性方法,经验性模型比如对数-正态模型,这些模型的参数都是基于特定的环境,在比较复杂的室内环境,效果比较差,确定性模型比如射线跟踪模型,一般来说可以较好地还原室内环境的传播特性,但是缺乏计算效率,同时需要室内环境的几何信息以及材质信息,一旦传播环境发生变化就需要重新计算。因此本文基于机器学习方法,构建新的路径损耗模型,在室内不同的采样点采集 CSI 并计算 UE 与天线之间的距离,并将这 2 种信息输入到决策树构建新的路径损耗模型,用于距离估计。最后结合多个天线并采用最小二乘法实现用户的准确定位(见图1)。

点击查看全文(PDF)>

给作者点赞
0 VS 0
写得不太好

免责声明:本文仅代表作者个人观点,与C114通信网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

热门文章
    最新视频
    为您推荐

      C114简介 | 联系我们 | 网站地图 | 手机版

      Copyright©1999-2022 c114 All Rights Reserved | 沪ICP备12002291号

      C114 通信网 版权所有 举报电话:021-54451141