基于深度神经网络的5G室内联合定位算法
2021-01-07王军选王漪楠
王军选,王漪楠
(西安邮电大学 通信与信息工程学院,陕西 西安 710121)
第五代移动通信技术(5th generation mobile communication technology,5G)系统是一种高速率、低功耗、低延迟和万物互联的网络通信系统。在频率和站址资源有限的前提下, 5G通信系统中,对于疏导热点数据流量采用异构网络的有效方式,其中,在室内部署小小区或者femtocell弥补室内环境如商场、学校、办公楼、公寓和地铁等网络覆盖的盲区,该方案提升了网络容量、频谱效率和能源利用率。在femtocell的部署过程中,为了追求更好的用户覆盖率以及更小的乒乓切换,可以把femtocell基站部署到室内的最中间[1]。文献[2]提出femtocell多天线技术,并仿真发现在克服远近效应,消除盲点,均匀覆盖范围方面都有较好的效果。考虑到femtocell或小小区的部署优势,将采用具有多天线的室内小小区进行室内定位。
随着移动互联技术和移动智能终端的快速发展,使基于位置服务(location based service,LBS)能够根据移动对象的位置信息提供个性化服务,在军事、交通和物流等诸多领域得到广泛应用。在户外可以使用GPS或者北斗达到亚米级精确定位,而在室内则需要通过无线电传播技术和室内定位技术进行室内的定位。常见的室内定位技术有通过测量到达时间[3](time of arrival,TOA)、到达时间差[4](time difference of arrival,TDOA)、基于接收信号强度指示[5](radio signal strength indication,RSSI)以及基于到达角度[6](angle of arrival,AOA)等。常见的定位系统有指纹定位[7]、基于动态主动式射频识别标定的定位识别[8](location recognition based on dynamic active radio frequency identification calibration,LANDMARC)算法、无线电侦察和测距[9](radio detection and ranging,RADAR)和SpotON[10]。
近年来,使用机器学习算法进行室内定位的研究层出不穷。文献[11]提出……
