电讯技术

作者：贺晨琳,王霄峻,汪磊

单位：(（1.东南大学 信息科学与工程学院，南京 211189;2.紫金山实验室，南京 211111）)

关键词：三维室内空间；指纹定位；大规模MIMO；加权K近邻(WKNN)；中心到达角（CAOA）聚类；

基金：国家重点研发计划（2022YFC38010000）；中央高校基本科研业务费专项资金（2242022k60001）；东南大学院系联合基金 （2242023K40015）

针对现有指纹定位技术存在指纹数据量较大、存储与处理困难、复杂空间定位适应性不足等问题，提出了一种基于大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统的三维室内空间指纹定位方法。首先，提出一种处理速度更快、存储需求更小的角度-时延信道频率功率（Angle Delay Channel Frequency Power，ADCFP）指纹矩阵；其次，引入新的相似度准则即卡方距离以提高定位精度；然后提出一种改进的次方加权K近邻（Weighted K-Nearest Neighbor，WKNN）匹配算法，根据不同次方值对权重下降速度的影响差异，针对指纹相似度的大小分配以不同的权重；最后，对ADCFP指纹采用按行按列压缩的存储方法得到三种压缩指纹，进一步减少指纹数据量，并引入中心到达角（Central Angle of Arrival，CAOA）聚类算法缩短定位时长。仿真结果表明，ADCFP指纹矩阵2 m精度可靠性可达89.2%，采用卡方距离相较于曼哈顿距离的平均定位误差降低了5.63%，改进次方WKNN算法相较于传统WKNN算法平均定位误差降低了4.45%，引入CAOA聚类算法可使定位速度提升为未聚类情况下的1.72倍，平均定位误差较K均值聚类算法降低了44.05%，定位性能有较大提升。

来源：2023年第12期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第12期