典型文献
基于5G子基站的室内定位卷积神经网络模型
文献摘要：
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.
文献关键词：
室内定位;神经网络;5G NR;位置指纹算法
中图分类号：
作者姓名：
谢海情;汪章紫璇;陆俊霖;宜新博;曾梦琳;文勇军
作者机构：
长沙理工大学物理与电子科学学院,湖南 长沙 410114
文献出处：
引用格式：
[1]谢海情;汪章紫璇;陆俊霖;宜新博;曾梦琳;文勇军-.基于5G子基站的室内定位卷积神经网络模型)[J].首都师范大学学报（自然科学版）,2022(01):34-40
A类：
B类：
基站,室内定位,卷积神经网络模型,GPS,神经网络算法,空口,NR,定位方案,参考点,编号,存入,精确率,召回率,等值,定位模型,Adam,模型优化,集为,训练集,测试集,每批,训练数据,数据量,平均误差,定位效果,位置指纹算法
AB值：
0.375251
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
