基于5G指纹信号的室内智能定位技术研究.pdf

摘要

随着第五代移动通信系统（TheFifthGenerationMobileCommunication，5G）的快速发展，

人们进入了万物互联的时代，物联网技术广泛应用于各种场景中，其中定位技术是物联网应

用研究的一个重要课题。目前，全球导航卫星系统能够解决大部分户外定位问题，但实现室

内高精度的定位仍然具有挑战性。5G的高流量密度、高连接数密度和低时延的特性可以为室

内定位技术提供更好的数据支持，进而提高定位的准确性。针对多场景下历史指纹库有效性

差、指纹库更新成本高以及定位精度低的问题，本文对基于5G指纹信号的室内智能定位算

法进行研究。相关工作如下：

1

（）研究了实现室内定位的方法与技术。首先，对传统的室内定位方法进行了研究，其

中包括基于时间信息的定位方法、基于角度信息的定位方法和基于信号传播模型的定位方法。

最后研究了基于指纹的室内定位方法，对离线阶段指纹库的处理方法和在线阶段的实时定位

方法进行介绍。

2

（）提出了一种基于指纹库迁移重构的室内定位算法，旨在提升历史指纹库的有效性和

降低指纹采集成本。首先，基于融合指标对不同时间段的历史指纹库进行参考点筛选得到多

个源域指纹库；然后，基于数据分析将源域的共有特征向目标域的特有特征迁移，重构新的

指纹库。最后，将得到的各个新的指纹库的结果进行结合，实现高精度、低成本的室内定位。

利用数据集对所提算法进行对比测试并进行结果分析，验证所提算法的有效性。

3WeightedK-NearestNeighbors

（）提出了一种基于区域划分与自适应加权最近邻算法（，

WKNN）的室内定位算法，旨在解决在线阶段定位的实时性差和定位精度低的问题。首先，

提出了一种基于贪婪聚类的定位区域划分算法。该方法利用参考点之间的位置和特征距离确

定子区域数与区域中心，完成指纹库的子区域划分。然后，提出一种统计规律校正的自适应

WKNNK

定位算法，基于加权特征距离和坐标距离确定实时数据的最优值和近邻参考点集

合，并利用近邻参考点之间的统计规律对权重进行校正，实现目标定位。最后，利用实际部

署场景以及仿真场景对所提算法进行对比测试，验证提出的算法的优势。

:5GWKNN

关键词室内定位，指纹，指纹库重构，，匹配定位

Abstract

WiththerapiddevelopmentoftheFifthGenerationMobileCommunication(5G)system,people

haveenteredtheeraoftheInternetofThings.InternetofThings(IoT)technologiesarewidelyused

invariousscenarios.PositioningtechnologyisanimportantresearchtopicinIoTapplicationresearch.

Currently,globalnavigationsatellitesystemscansolvemostoutdoorpositioningproblems,but

achievinghigh-precisionindoorpositioningstillremainschallenging.Thecharacteristicsof5G,such

ashightrafficdensity,ultra-highconnectiondensityandlowdelay,canprovidebetterdatasupport

forindoorpositionin