基于GChebyNet-GRU的超宽带高精度室内定位方法

超宽带高精度定位作为5G重大应用场景的关键技术,定位准确度极易受到室内复杂环境的干扰。为提高室内复杂环境下超宽带三维空间定位精度,提出了一种结合切比雪夫图卷积以及门控循环单元网络的定位模型。通过切比雪夫图卷积网络聚合静态的图结构和动态节点信息,结合门控循环网络捕捉节点间的依赖关系,进而精准预测靶点空间位置。实验结果表明,该模型相比于门控循环网络定位模型,无信号干扰情况下,X、Y、Z方向上的精度分别提高28.29%、41.48%、52.99%;有信号干扰情况下,精度分别提高34.95%、41.70%、36.43%,有效提高了基站处于信号干扰时室内定位的精度,更适合动态复杂的室内环境。