典型文献
基于卷积神经网络的5G蜂窝网络无线定位方法
文献摘要：
5G蜂窝网络发展迅猛,其覆盖面积将逐渐增大,因此使用5G蜂窝网络进行定位是有研究潜力的研究方向.本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位,以代替传统指纹定位过程中繁重的指纹库生成以及距离计算.该方法建立了一个特殊的卷积神经网络,并根据5G天线信号的接收信号强度指示、相位和到达角等特征量,选择合适的输入数据格式构造样本组建训练集,对该卷积神经网络进行训练.训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库,非常有利于直接在5G移动设备端实现定位.虽然卷积神经网络在训练过程中需要大量时间,但在训练完毕后直接进行分类定位的速度非常快,可以保障定位实现的实时性.本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB,且能够在实际应用环境中以95％的定位准确率以及0.1 m的平均定位精度实现高精度定位.
文献关键词：
深度学习;卷积神经网络;接收信号强度指示;相位;到达角
中图分类号：
作者姓名：
熊星月;何迪;何至军;周志成
作者机构：
上海交通大学电子信息与电气工程学院北斗导航与位置服务上海市重点实验室,上海 200240;北京集智数字科技有限公司,北京 100871;深圳达实智能股份有限公司,深圳 518057
文献出处：
引用格式：
[1]熊星月;何迪;何至军;周志成-.基于卷积神经网络的5G蜂窝网络无线定位方法)[J].数据采集与处理,2022(06):1228-1245
A类：
B类：
蜂窝网络,无线定位,定位方法,网络发展,覆盖面积,深度学习技术,指纹定位,繁重,距离计算,天线,接收信号强度指示,到达角,特征量,输入数据,数据格式,训练集,练得,大指,接在,移动设备,训练过程,完毕,接进,分类定位,偏置,MB,应用环境,定位准确率,定位精度,高精度定位
AB值：
0.299303
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。
