基于5G室内定位的数字商贸应用研究

随着移动通信和室内外定位技术的快速发展,结合5G网络高速率、低时延、大连接等优势,5G技术为各种应用场景提供了强大的支持,5G室内定位与数字商贸的结合具有巨大的潜力和经济价值。文章对5G室内定位技术融合数字商贸的部署方案进行了研究和实践验证,论证了5G室内定位、5G消息等技术与数字商贸融合的可行性,并结合数字商贸的应用探索其对产业数字化发展的影响,以及未来对产业链发展的挑战。

基于5G网络的无线室内覆盖评估技术研究

了解室内建筑内无线信号的细粒度分布对于电信运营商优化无线通信质量非常重要。实现室内覆盖评估的关键任务是对用户进行室内外区分,同时进行高度标注。已有的室内用户状态识别和高度定位方式依赖大量实地测试并建立指纹库进行匹配,受限于普适性和泛化性问题,往往很难被大规模商用。为了解决上述挑战,本文提出了一种基于5G NR波束管理概念的无线室内覆盖评估技术。根据5G波束赋型原理和用户测量报告数据,提取与用户状态和室内高度相关的信号特征,并最终实现更精准的室内外用户识别和高度估计,满足5G场景下的网络覆盖评估需求。

5G网络下的有偿室内分布系统部署与优化研究

室内环境的复杂性使得传统的覆盖方案难以有效应对,而用户对高速、低时延、大容量的需求不断提升。为解决这一问题,文章研究了基于有偿室内分布系统的部署与优化方法,分析了小基站、分布式天线系统(DAS)和信号增强器等室内覆盖技术,并探讨了覆盖优化、功率调节、频谱资源分配等策略的应用。在此基础上,提出了一种能够平衡覆盖质量与部署成本的优化方案,以提高5G室内网络性能。研究表明,合理部署有偿分布系统不仅能够显著提升网络覆盖的广度和深度,还能有效满足用户对5G网络的高标准需求。

5G智慧室内分布系统与物联网融合的创新研究

随着信息技术的飞速发展,5G网络与物联网的结合成为推动现代社会进步的关键动力。本研究为了探索如何将5G智慧室内分布系统技术与物联网技术实现融合,提升室内分布系统的性能和应用范围。本研究从系统设计的关键技术出发,深入分析了MR覆盖远程定位、施工规范性智能识别等关键技术,并针对智慧园区、智慧楼宇以及其他商业类应用三大场景进行了详细探讨,提出了具有实际操作性的设计方案和应用策略。本研究不仅着眼于技术层面的突破,还关注于实际应用中的创新实践,力图为未来5G室内分布系统的实施和优化提供理论与实证基础。

基于5G子基站的室内定位卷积神经网络模型

针对目前GPS技术在室内定位中精度差的问题,本文将5G技术与卷积神经网络算法相结合,提出基于5G全新无线空口(NR)参数的室内定位方案.通过采集5G NR数据,与参考点编号形成指纹数据存入指纹库,以精确率、召回率和微平均等值作为评价指标,采用卷积神经网络算法对指纹库进行训练以获得定位模型,并使用Adam方法进行模型优化.该方案使用的总数据集为2 400个,其中训练集大小为2 160个,测试集大小为240个;采用定位模型进行了1 000次训练,每批次训练数据量为512个,最终实现平均误差为1.33 m的室内定位效果.

5G时代室内覆盖解决方案综述

首先分析了利用室外宏站覆盖室内方案需考虑的相关因素,并根据链路预算给出了不同覆盖要求下的站间距。其次分析了已有的皮站方案和室内分布系统解决方案如何支持5G网络,给出网络改造的实践经验。最后介绍了新型数字化室分系统的网络架构和组网优势,以及满足未来5G网络室内覆盖需求配套升级措施。

高速铁路动车组Wi-Fi与5G融合组网应用研究

为进一步提高铁路沿线通信服务质量,提升铁路运输智能化服务水平,节省铁路5G网络建设成本消耗,深入分析高速沿线复杂运行环境,探讨高速移动场景下5G网络覆盖面临的主要挑战。针对5G应用场景及铁路相关业务需求,基于现有高铁Wi-Fi运营服务系统部署架构,通过复用其系统基础设施,提出MIMO车载天线+CPE+小基站架构的车载5G室分系统,通过创新建设模式,构建高速铁路动车组Wi-Fi与5G融合组网方案,并结合5G大带宽、低时延、多连接等特性进行无线调优方案设计,实现车厢内部5G信号和Wi-Fi信号的双重覆盖,大幅减少了车地通信间链路损耗,降低了基站选址建设和维护难度和频度,有利于进一步开拓铁路延伸服务经营模式新空间,为未来实现高速铁路的智能升级提供有力的支撑。

基于射线追踪传播模型实现5G室内分布系统仿真的研究

室内分布系统的建设已经成为解决深度覆盖问题的有效手段。目前,5G网络建设发展迅速,室内分布系统建设呈爆炸式增长,室内分布系统的网络规划和设计需要更加精细化。如何有效评估室内信号覆盖效果,成为当前室内分布系统规划设计的重要任务之一。以某大楼为研究对象,用射线追踪传播模型仿真计算覆盖性能指标,并将结果与现有网络的路测数据进行对比。经过校正相关模型参数实现仿真与实测一致,论证仿真为网络部署提供了参考依据。

5G超密集网络下的室内压缩重构指纹定位算法

为减少室内定位复杂度并进一步提高定位精度,提出了一种5G超密集网络下的室内压缩重构指纹定位算法。该算法分为离线建库阶段和在线匹配阶段两个阶段。离线建库阶段采用了矩阵填充理论进行指纹库的构建,只需采取少量的指纹点构建具有低秩特性的局部指纹库,并通过非精确增广拉格朗日乘子法(Inexact Augmented Lagrangian Multiplier Method,IALM)算法进行矩阵填充,从而恢复完整的指纹库。在线匹配阶段采用卡方距离代替传统的欧式距离来计算待定位点与参考指纹点的相似度,并用加权K近邻算法估算出待定位点坐标。经过实验仿真分析,所提算法以1.13%的误差节约了40%的工作量,在信噪比为10 dB时定位误差最小为0.2008 m,与传统K近邻指纹匹配算法相比具有更好的定位精度。

小基站及其在5G网络室内覆盖中的应用研究

移动通信涉及的技术点逐个被突破,信号传输速度、效率等得到大幅度提升,5G组网试验成功,基站站点建设在不断推进。移动通信业务的需求呈现爆炸式增长,室内Wi-Fi覆盖成为重要的业务内容。针对5G网络面临的挑战,本文针对室内网络覆盖问题,论述与研究了相应的解决方案,探讨小基站在5G网络室内覆盖中的应用策略,期望能够为提升室内网络覆盖效果提供参考。

室内5G网络分场景建设方案分析

室内5G网络覆盖面临着巨大的挑战,链路损耗更大,室内信号覆盖能力不足,单纯增加宏基站部署难以解决问题,而且成本难以承受,有些信号分布系统对5G部分频段不支持,无法满足可控可管要求。论文将针对室内5G网络分场景建设方案进行分析,在明确应用场景划分标准的基础上,选择合适的室内信号源接入方式和信号分布系统,强化不同场所不同区域设计要点,在实现广域覆盖的情况下提升5G室内网络信号覆盖水平。

基于多维数据的5G室分选址评估技术研究

5G时代超过70%的业务应用发生在室内,5G室内网络质量已成为运营商竞争能力的关键。5G室内覆盖由室外宏站覆盖和室分基站覆盖两部分组成,700 MHz的引入,能够节约5G室内分布系统的建设,但缺少量化评估手段。本文提出了一种基于多维数据的5G室分选址评估技术,综合利用4G/5G室分流量数据、互联网PoI数据、三维电子地图数据和立体仿真预测数据,充分考虑5G室外宏站覆盖室内水平、楼宇流量和楼宇价值3大维度,对5G室分规划方案的制定和资源精准投放提供指导,并在某省会城市开展了试点验证。

5G室内通信网络规划与设计经验介绍

通过阐述室内移动网络不同场景下的应用需求,分析了室内移动网络的建设原则,提出了室内移动网络场景的规划方向,设计了5G室内移动网络覆盖的各种建设方案,5G+应用也将更加广阔。

5G时代传统室内覆盖方式的适用性分析

5G目前处于试验网阶段,即将开始大规模部署。由于频率及制式的变更,5G时代如何进行室内覆盖,传统室内覆盖方式在5G时代是否还有用武之地,是值得认真思考的问题。因此,对现有传统室内覆盖方式进行逐一分析,提出了针对5G覆盖可行的解决思路及改造建议,以避免与后期5G室内覆盖发生冲突。

5G NR室分共享覆盖解决方案

5G网络工作频段分配越来越高,导致室外覆盖室内深度覆盖不足,传统室分存量DAS支持的频段最高到2.7 GHz,为兼顾性能合理利用建设成本,利旧原有网络中已经部署的室分天馈线及设备,分析了高频导致室内深度覆盖不足的特点,根据传统室分网络的现状,以5G业务价值判断需求为场景划分,结合网络中各需求场景室内分布系统的建设特点,利用多样化方案应对差异化需求,多种建设方案并存的理念,给出了面向5G频段室分系统共享覆盖的网络建设思路。

5G室内多场景目标网覆盖方案

首先针对5G室内多场景目标网需求进行了系统性分析,根据网络容量需求将5G室内场景划分为覆盖场景、体验场景和容量场景,提出了不同场景的系统性建网需求。5G室内覆盖方案主要包括无源室分覆盖方案、有源室分覆盖方案和融合组网覆盖方案,这三种方案面向多场景目标网提供差异化网络服务。还提出了5G室内覆盖网络建设方案,分别针对利旧场景无源室分和有源室分明确了支持5G NR的判定标准,同时介绍了新建场景的差异化方案。

广电5G室内覆盖分析与研究

在5G网络时代背景下,广电5G通信网络不断完善。文章介绍了广电5G室内覆盖的概念,阐述了广电5G室内覆盖的类型及其覆盖方式。广电5G网络从零开始建设,具有700 MHz频段优势资源和覆盖千家万户的有线电视网络,再结合室内微基站,具有高度灵活、易部署、可管可控的特点,可以实现低成本5G室内覆盖,更具后发优势。广电5G通信网络通过与中国移动的共建共享协议,进行通信融合,最大限度地兼容复用现有5G网络系统、基于标准化终端、最小化5G端到端的改造及家庭室内覆盖建设,降低了产业成本,并提高了效率。

基于深度神经网络的5G室内联合定位算法

为了有效地降低室内多变的传播环境带来的多径效应和非视距(non-line of sight,NLOS)的传播误差,提出一种在第五代移动通信技术(5th generation mobile communication technology,5G)室内小小区场景下,结合深度神经网络(deep neural network,DNN)和多天线的多信号分类算法(multiple signal classification,MUSIC)的联合室内定位方案。首先,MUSIC利用用户终端上传的通信系统数据估计到达角度(angle of arrival,AOA)。其次,将接收信号强度指示(radio signal strength indication,RSSI)数据输入离线阶段训练好的DNN模型中,估计用户终端的直线距离。最后,利用DNN和AOA算法将估计的信息输入联合定位系统中得到用户的二维坐标。仿真结果表明,该算法相比于路径损耗模型具有更小的定位误差,能够提升定位性能。

基于3GPP TR38.901传播模型的地铁内5G覆盖规划

为实现地铁内的5G网络覆盖,首先分析典型5G业务的需求,认为4T4R是室内重点区域的5G网络标准配置;研究表明存量的无源室内分布系统和漏泄电缆不支持在3.5GHz频段部署5G网络,同时综合考虑投入产出比、在2.6GHz频段只能部署2T2R的5G网络;然后结合业务需求,基于3GPP TR 38.901模型估算链路预算,规划了地铁内5G覆盖方案。需要指出的是,通过尝试在地铁内5G规划时应用了TR 38.901中两个室内场景模型,发现它们能适用在站台和站厅、地铁人员工作区域等常规室内场景,但是它们不能适用于隧道这种特殊场景,本文的解决方法是采用射线跟踪法分段拟合得到电磁波传播路径损耗。

基于广电网络的5G室内接入技术研究

针对5G建设投资大、室内信号差的问题,提出了基于广电有线网络开展5G室内接入技术方案研究。经分析,该技术方案能够在利旧广电同轴资源、解决5G室内信号差的同时,通过本地分析和处理还可以减缓网络拥塞,具有一定的参考价值。