5G超密集网络下的室内压缩重构指纹定位算法

贾鹏飞，张月霞,b,c

(北京信息科技大学 a.信息与通信工程学院；b.现代测控技术教育部重点实验室；c.高动态导航北京市实验室，北京 100101)

0 引 言

随着位置服务的兴起和广泛应用，用户对室内定位的精度提出了更高的要求。而随着第五代移动通信技术的发展,5G将实现超密集网络部署[1]，大幅提高基站密度，使用户可以同时与多个基站进行通信，有利于多基站协作定位，从而使定位精度提高至亚米级，更好地满足人们对于室内高精度定位的需求。

传统的室内定位算法[2-5]都是基于测距的定位方法，在5G超密集网络下其定位精度会受到影响，不能达到较高定位精度要求。而指纹匹配定位算法是预先构建定位所需的指纹库，再将待定位点的数据通过指纹匹配算法与指纹库中的数据进行匹对，从而估计待定位点的位置坐标，其定位精度较高。许多学者对指纹匹配定位算法做了大量研究。Horsmanheimo等人[6]设计并实现了一个基于5G的室内定位平台，采用了精细定时测量技术，可通过多边计算来计算位置估算值，实现了基于图像的定位和基于RSSI的指纹识别。文献[7]提出了一种基于K-means和支持向量机(Support Vector Machines，SVM)的蓝牙室内定位算法，利用卡尔曼滤波和K-means算法对收集到的数据进行处理，最后通过SVM模型完成待测数据的分类，算法的定位精度稳定在1.5 m以内。这些指纹匹配算法虽有不错的定位精度，但其指纹库数据相对较少，不容易构建。在5G超密集网络中，参与定位的基站多，所需测量的数据量庞大，因此如何降低指纹库数据构建的复杂度并提高定位精度成为了当前亟待解决的问题。……