基于Kalman-Chan算法的5G毫米波室内定位试验

卫星定位系统因其能够提供高精度、全天候的定位服务而深受人们的欢迎,但是在室内环境中,由于建筑物的遮挡,卫星定位系统无法在室内提供高精度定位服务。随着万物互联时代的到来,人们对室内定位技术展开了研究。近年来,室内定位技术层出不穷,例如蓝牙定位、UWB定位等。目前,随着5G技术的成熟以及5G基站的密集化部署,促进了基于5G技术的室内定位的发展。影响室内定位精度的难点之一就是非视距传播(NLOS)和多径效应引起的误差,而毫米波通信作为5G关键技术之一,因其具有高频带和高带宽的特性,有利于提高多径分辨率,可提高到达时间差(TDOA)测量的精度。为抑制NLOS和多径效应引起的误差,本文对基于5G室内定位的Kalman-Chan融合算法展开了研究,即先利用卡尔曼算法对观测量进行距离重构,再结合Chan算法对用户位置进行估算,经过大量试验验证证明,该融合算法可使二维平面上的定位精度达到0.31 m。

一种基于北斗+5G的联合定位系统

近年来,随着科技的不断进步,人们对导航定位的要求越来越高,促使导航定位技术不断革新。然而在很多场景下,传统的卫星定位技术并不能很好地解决定位问题,包括精度要求不满足、定位结果不连续以及定位时间过长等。一种基于北斗卫星导航系统和5G定位技术的联合定位系统可以用来解决上述问题,系统主要由5G定位网络、时间同步设备和接收终端3部分组成。在算法方面,基于北斗和5G的定位方程建立联合定位的数学模型,并利用最小二乘法中的高斯-牛顿法将非线性方程转换为线性方程,通过公式推导,得到迭代后的终端定位结果。系统仿真后的定位精度可达到3.934 m。搭建实验平台验证联合定位系统的可行性。测试表明,静态定位精度约为3.14 m,动态定位精度约为4.51 m。

基于LM优化BP神经网络的5G室内定位

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。