罗开文 俞晖

摘  要： 针对室内环境中多径效应影响定位精度的问题，提出了一种基于卷积神经网络（CNN）的室内定位（PI-CNN）算法. 以多重信号分类（MUSIC）算法处理后的信道状态信息（CSI）作为特征图像，基于室内环境中不同位置点具有独特多径信息的特点，利用各收发天线间所形成的子信道信息，获得具有更高时间分辨率的多径到达时间，将获取的伪谱信息组成伪谱图像，生成指纹库，再利用CNN进行训练和分类处理. 仿真实验证明，在室内环境存在轻微扰动的情况下，该算法具有较好的抗干扰能力.

关键词： 深度卷积神经网络（CNN）; 多重信号分类（MUSIC）算法; 信道状态信息（CSI）; 指纹定位

中图分类号： TN 929.5      文献标志码： A     文章编号： 1000-5137（2021）01-0092-09

Abstract： Aiming at the problem that the multipath effect in the indoor environment affected the positioning accuracy，based on a deep convolutional neural network（CNN），pseudo spectral image-CNN（PI-CNN）algorithm was proposed in this paper. Using channel state information processed by multiple signal classification（MUSIC） algorithm as a feature image，based on the unique multipath information of different locations in the indoor environment，the sub-channel information formed between the transceiver antennas was utilized to process the channel state information（CSI） to obtain the multipath arrival time with higher time resolution. The pseudo-spectral information of all antennas at the same sampling point was constructed into pseudo-spectral images to generate a fingerprint library which were used to train the CNN. The simulation experiments showed that the PI-CNN algorithm performed well when dealing with slight disturbance in the indoor environment.

Key words： deep convolutional neural network （CNN）; multiple signal classification（MUSIC） algorithm; channel state information （CSI）; fingerprint location

0  引言

5G網络可以提供更高的数据传输速度、更小的延迟和设备密度[1].毫米波和大规模天线技术是5G的候选技术.毫米波通信可在复杂的环境下实现高数据速率传输和低延迟通信，这一特性表现为更高的时间分辨率，从而可以带来更精确的位置信息，但其传输距离很短.因此，常常通过部署大规模天线阵列，以克服这个缺点[2].

在蜂窝网络定位中，最常使用的定位方法是在得到到达时间（TOA）、到达角度（AOA）和接收信号强度（RSS）的信息后，利用三角定位的方法计算位置信息.YANG等[3]和LIN等[4]利用直射路径和单跳反射径的相关信息，但如果对路径判别出错，可能会导致较大误差，且这些方法仅适用于非视距传输（NLOS）的情况.为了提高定位精度，指纹定位的方法现已被广泛……