10.19789/j.1004-9398.2022.01.007
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2400个,其中训练集大小为2160个,测试集大小为240个;采用定位模型进行了1000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.
室内定位;神经网络;5G NR;位置指纹算法
43
TP183(自动化基础理论)
湖南省教育厅科学研究项目;长沙市科技计划重点项目;湖南省柔性电子材料基因组工程重点实验室开放研究基金项目
2022-02-16（万方平台首次上网日期，不代表论文的发表时间）
共7页
34-40
