一种基于BP神经网络的室内5G定位误差修正方法技术

技术编号：40982584 阅读：2 留言：0更新日期：2024-04-18 21:28

本发明专利技术公开了一种基于BP神经网络的室内5G定位误差修正方法，属于室内定位修正领域。本发明专利技术首先在室内选取多个位置，并通过5G定位方法计算每个位置的定位坐标作为训练数据，并将该位置的真实坐标作为相对应的对比标签；之后构建BP神经网络模型，将训练数据输入BP神经网络模型中进行训练，训练结束后保存内部参数；实际室内定位时，将5G定位方法计算得到的定位坐标输入BP神经网络模型中，得到修正的定位坐标。本发明专利技术充分考虑了非线性因素的影响，采用BP神经网络非线性模型修正定位误差，效果更加显著。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术属于室内定位修正领域，特别是指一种基于bp神经网络的室内5g定位误差修正方法。

技术介绍

1、在室外环境下，gps全球定位系统可以提供高精度定位服务，而在室内环境下，卫星定位信号被阻挡，难以通过卫星获取定位信息，需要通过室内定位技术提供定位信息。随着移动网络通信行业的发展，5g已广泛地应用于消费市场，部署成本低、灵活性强的5g基站已成为室内覆盖问题的主要解决方案。室内定位技术可以充分利用通信网的优势，高效利用5g通信网络信号实现室内定位的功能，避免定位网络的重复部署。通过将5g基站与室内定位技术相结合，充分发挥通信网络的利用价值。

2、虽然5g定位拥有诸多优势，但是也如同其他定位方式一样，在存在多径及噪声干扰的情况会致使定位结果产生误差。现有的一些定位误差修正方法大多只考虑了个别影响因素，进行了线性建模修正，并不能满足复杂的非线性影响下的误差修正需求。

技术实现思路

1、有鉴于此，本专利技术提出一种基于bp神经网络的室内5g定位误差修正方法，利用神经网络技术，可修正多重复杂因素带来的非线性定位误差。

2、为了实现上述目的，本专利技术采用的技术方案为：

3、一种基于bp神经网络的室内5g定位误差修正方法，包括以下步骤：

4、步骤1、在室内选取多个定位位置，针对每个定位位置均通过5g定位方法计算该位置的定位坐标，将每个计算得到的定位坐标构建成输入bp神经网络的一个训练张量，定位坐标对应的该位置的真实坐标为相对应的一个对比标签；</p>

5、步骤2、构建bp神经网络模型，bp神经网络模型的输入为步骤1中由5g定位方法计算的定位坐标构建的训练张量，输出为修正后的定位坐标；在训练过程中，通过均方误差函数计算bp神经网络模型输出的修正后的定位坐标与对应的对比标签之间的损失值，并判断是否满足训练结束条件，若满足则结束训练并保存bp神经网络模型的参数，完成深度学习训练；否则通过均方根反向传播方法来更新bp神经网络模型的内部参数，直至满足训练结束条件；

6、步骤3、实际室内定位时，将5g定位方法计算得到的定位坐标构建为张量数据，输入至训练好的bp神经网络模型中，得到该位置的修正定位坐标。

7、进一步地，步骤1中，在室内选取多个定位位置，针对每个定位位置均通过5g定位方法计算该位置的定位坐标，其具体方式为：将室内区域按照1米的网格长度划分为多个网格，每个网格内至少采集20组通过5g定位方法计算的定位坐标。

8、进一步地，步骤2中，构建bp神经网络模型的具体方式为：所述bp神经网络模型包括输入层、隐含层与输出层；其中输入层包括2个神经元，输出层包括2个神经元，隐含层包括三层，每层分别包括16个、8个与4个神经元。

9、进一步地，所述bp神经网络模型采用relu函数作为激活函数，relu函数表达式如下：

10、f(x)＝max(0，x)

11、其中x代表神经元的输入值，f(x)代表神经元的输出值。

12、进一步地，步骤2中，通过均方误差函数计算bp神经网络模型输出的修正后的定位坐标与对应的对比标签之间的损失值，其具体方式为：

13、

14、其中，mse为损失值，n为训练张量的数量，为第i个训练张量输入bp神经网络模型后的输出值，yi为第i个训练张量对应的对比标签，i＝1，2，3......n。

15、进一步地，步骤2中，判断是否满足训练结束条件的具体方式为：设置训练代数阈值，当损失值收敛且训练代数不小于训练代数阈值时，判定为满足训练结束条件。

16、由于采用了上述技术方案。本专利技术相对于
技术介绍
的有益效果在于：

17、1、本专利技术充分考虑了非线性因素的影响，采用bp神经网络非线性模型修正定位误差，效果更加显著。

18、2、本专利技术可以不需要关心5g定位所需的信号传播时间、传播角度等原始信息，仅需要定位结果与原始场景相结合。

本文档来自技高网...

【技术保护点】

1.一种基于BP神经网络的室内5G定位误差修正方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于BP神经网络的室内5G定位误差修正方法，其特征在于，步骤1中，在室内选取多个定位位置，针对每个定位位置均通过5G定位方法计算该位置的定位坐标，其具体方式为：将室内区域按照1米的网格长度划分为多个网格，每个网格内至少采集20组通过5G定位方法计算的定位坐标。

3.根据权利要求2所述的一种基于BP神经网络的室内5G定位误差修正方法，其特征在于，步骤2中，构建BP神经网络模型的具体方式为：所述BP神经网络模型包括输入层、隐含层与输出层；其中输入层包括2个神经元，输出层包括2个神经元，隐含层包括三层，每层分别包括16个、8个与4个神经元。

4.根据权利要求3所述的一种基于BP神经网络的室内5G定位误差修正方法，其特征在于，所述BP神经网络模型采用ReLU函数作为激活函数，ReLU函数表达式如下：

5.根据权利要求4所述的一种基于BP神经网络的室内5G定位误差修正方法，其特征在于，步骤2中，通过均方误差函数计算BP神经网络模型输出的

6.根据权利要求5所述的一种基于BP神经网络的室内5G定位误差修正方法，其特征在于，步骤2中，判断是否满足训练结束条件的具体方式为：设置训练代数阈值，当损失值收敛且训练代数不小于训练代数阈值时，判定为满足训练结束条件。

...

【技术特征摘要】

1.一种基于bp神经网络的室内5g定位误差修正方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于bp神经网络的室内5g定位误差修正方法，其特征在于，步骤1中，在室内选取多个定位位置，针对每个定位位置均通过5g定位方法计算该位置的定位坐标，其具体方式为：将室内区域按照1米的网格长度划分为多个网格，每个网格内至少采集20组通过5g定位方法计算的定位坐标。

3.根据权利要求2所述的一种基于bp神经网络的室内5g定位误差修正方法，其特征在于，步骤2中，构建bp神经网络模型的具体方式为：所述bp神经网络模型包括输入层、隐含层与输出层；其中输入层包括2个神经元，输出层包括2个神经元，隐含层包括三层，每层分别包...

【专利技术属性】
技术研发人员：刘世源，蔚保国，黄璐，张衡，程建强，杨子寒，李爽，杜世通，李一凡，李雅宁，梁晓虎，陈冲，屈丹阳，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人