随着物联网时代的到来,室内定位在人类生活中占有愈发重要的地位。传统的室内定位系统布设成本较高,室内复杂环境往往带来非视距(Non Line of Sight,NLOS)误差和多径干扰,导致系统定位精度较低。随着5G网络的日益普及,使用5G为物联网设...随着物联网时代的到来,室内定位在人类生活中占有愈发重要的地位。传统的室内定位系统布设成本较高,室内复杂环境往往带来非视距(Non Line of Sight,NLOS)误差和多径干扰,导致系统定位精度较低。随着5G网络的日益普及,使用5G为物联网设备定位成为了可能。针对传统室内定位存在的问题,提出了将Levenberg-Marquardt(LM)算法改善的Back Propagation(BP)神经网络算法用于5G定位结果解算,通过搭建由5G网络基站、实验终端和时间同步系统所构成的实验平台,在室内真实场景中进行了实验。在实验场景下LM-BP神经网络算法静态定位精度达到了0.3457 m,动态定位精度达到了亚米级为0.4511 m,相较传统的Chan算法,LM-BP神经网络模型在提高系统抗NLOS误差能力的同时也能提高室内定位精度。展开更多
文摘随着物联网时代的到来,室内定位在人类生活中占有愈发重要的地位。传统的室内定位系统布设成本较高,室内复杂环境往往带来非视距(Non Line of Sight,NLOS)误差和多径干扰,导致系统定位精度较低。随着5G网络的日益普及,使用5G为物联网设备定位成为了可能。针对传统室内定位存在的问题,提出了将Levenberg-Marquardt(LM)算法改善的Back Propagation(BP)神经网络算法用于5G定位结果解算,通过搭建由5G网络基站、实验终端和时间同步系统所构成的实验平台,在室内真实场景中进行了实验。在实验场景下LM-BP神经网络算法静态定位精度达到了0.3457 m,动态定位精度达到了亚米级为0.4511 m,相较传统的Chan算法,LM-BP神经网络模型在提高系统抗NLOS误差能力的同时也能提高室内定位精度。