基于Chan-Taylor和优化BP神经网络的5G室内定位算法

作     者：李帅辰 武建锋 LI Shuaichen;WU Jianfeng

作者机构：中国科学院国家授时中心西安710699 中国科学院大学集成电路学院北京100049 中国科学院大学电子电气与通信工程学院北京100049 

基　　金：装备技术基础科研项目(E054JK1601) 

出 版 物：《中国惯性技术学报》 (Journal of Chinese Inertial Technology)

年 卷 期：2023年第31卷第8期

页      码：806-813,822页

摘      要：为提高复杂环境下5G室内定位精度,针对不同应用场景设计了基于Chan-Taylor和优化BP神经网络的5G室内定位算法。当无样本可用时,提出了融合Chan-Taylor算法,使用Chan算法计算出定位值作为Taylor算法初始值进行迭代计算;当有小样本可用时,采用BP神经网络效果更佳;当有大样本可用时,使用遗传算法改进BP神经网络以提高定位精度。在不同场景下对三种算法进行了对比实验,实验结果表明:无样本可用时,Chan-Taylor算法具有更好的鲁棒性和适用性;在45个样本训练情况下,BP定位精度最高,为0.3649 m;在400个样本训练情况下,GA-BP定位精度最高。

主 题 词：室内定位 5G定位 到达时间差 Chan-Taylor算法 BP神经网络 GA-BP神经网络 

学科分类：0810[工学-土木类] 080904[080904] 0809[工学-计算机类] 08[工学] 080402[080402] 0804[工学-材料学] 081001[081001] 

核心收录：

D　O　I：10.13695/j.cnki.12-1222/o3.2023.08.009

馆 藏 号：203123381...