Xin Zhou, Liang Chen, Yanlin Ruan and Ruizhi Chen
随着第五代（5G）网络的大规模部署，其先进功能为定位和导航带来了新的可能。然而，在利用5G信号进行室内定位时，仍然面临挑战，尤其是在多数室内环境中，仅有一个基站（gNB）能够被接收到。这一限制导致传统几何方法难以在室内使用5G进行定位。为解决单基站环境下的定位问题，本文提出了一种基于5G下行信号多波束的指纹识别方法。该方法利用了多波束的信道状态信息（CSI），并通过极限学习机（ELM）进行降维，以提高定位的精度和效率。室内测试结果表明，该方法在单基站环境下可实现高达94%以上的定位精度，并显著提升了定位效率。
引用
Zhou, X., Chen, L., Ruan, Y. et al. Indoor positioning with multi-beam CSI of commercial 5G signals. Urban Info 3, 1 (2024).
https://doi.org/10.1007/s44212-023-00034-4
随着全球城市化进程的不断加快，城市在扩展和更新过程中面临着一系列复杂的问题，包括土地利用的变化、交通拥堵、环境压力等。准确识别城市场景的空间分布及其随时间的动态变化是实现可持续城市发展和合理规划的基础。然而，由于城市结构的复杂性和高分辨率遥感影像数据中不同时间分布的差异，传统多时态分类方法难以应对标注工作量大、场景类不平衡等问题。因此，本文提出了一种基于类权重深度适应网络（CWDAN）的跨时间场景分类和变化检测框架。该方法利用多时态的OpenStreetMap道路网络进行地块级场景分割，结合梯度反转层（GRL）和类权重全连接层，减少标注需求并提高不平衡类别的分类准确性。该研究在武汉和香港的实验证明了此方法在跨时间城市场景分类中的高效性与精确性，为城市土地利用分析提供了重要的技术支撑。
文章阐述了5G网络在室内定位应用中的局限性和潜力，尤其是在典型的室内环境中，只有单个5G基站能被接收，导致多基站几何定位方法不可行。而单一基站场景下，5G多波束信号的CSI特性为定位带来了新的可能。图1展示了多波束信号在多路径环境中的CSI特性，多路径使得每个位置的CSI指纹更加独特，增强了空间分辨力。
图1. 多波束带来的多路径CSI示意图
图2进一步对比了单波束和多波束CSI在不同位置下的表现，显示多波束CSI在不同位置间具有更明显的差异性，这种差异使得多波束在单基站场景下具有更好的定位效果。
图2. 多光束与单光束的比较 (a) 不同位置的单光束 CSI。(b) 不同位置的多光束 CSI。
本文开发了一种称为EPL-CatLoc的定位框架，能有效利用多波束CSI特性，EPL-CatLoc方法的架构如图3所示，包括三个主要步骤：
多波束CSI预处理：通过降噪（DWT降噪）和归一化处理，消除信号中的噪声和强度不一致的问题。
ELM降维：使用ELM对高维CSI数据进行降维处理，再结合PCA和LDA进一步提取主要特征。降维不仅保留了定位所需的主要特征，还降低了计算负担。
定位估计：使用CatBoost算法对降维后的CSI特征进行训练与预测，从而实现高精度的定位。
这一架构有效平衡了定位精度与计算效率，适用于实际场景中的5G室内定位。
图3. EPL-CatLoc 架构
文章的实验设计通过图4展示了实际的测试环境，包括办公室和走廊两个典型的室内场景：
图4a显示了使用的软件定义无线电（SDR）测试平台，利用接收天线采集5G多波束信号。
图4b和图4c分别展示了办公室和走廊的网格化布局，为CSI数据采集提供了60个和36个参考点（RP），便于实验验证和对比。
图4. (a) 基于 SDR 的测试平台。(b) 办公室测试场景。(c) 走廊测试场景。
实验结果显示，与单波束CSI相比，多波束CSI在定位精度方面显著提升，办公室场景的定位精度从89.51%提升到98.24%，走廊场景从83.13%提升到94.10%。此外，与PCA-WKNN、PCA-SVM、DeepFi等算法相比，EPL-CatLoc在精度、召回率、F1分数等方面均表现更优，且在线计算时间显著减少，仅需0.04秒。
图5对比了降维前后的CSI特征，显示了降维处理后在不同位置上仍然保持的CSI特征差异性，这表明降维处理保留了定位所需的主要信息。
图5. (a) 原始CSI的特征维度。(b) 降维后的特征维度。
图6进一步直观展示了各算法的定位误差情况，EPL-CatLoc的定位准确性明显高于其他算法，有效减少了识别位置的误差。
图6. 不同算法的定位精度对比
文章强调了5G多波束CSI的室内定位潜力，指出EPL-CatLoc方法为解决单基站环境下的CSI指纹相似性问题提供了可行的解决方案。该方法不仅适用于现有的5G网络和设备，也为未来智能城市中的室内定位应用提供了重要参考。展望部分，文章提到随着5G基站覆盖的进一步扩大，EPL-CatLoc算法有望在更广泛的室内场景中应用，特别是在需要高精度定位的场景（如室内导航、智慧零售、室内监控等）中将大有可为。
Xin Zhou，武汉大学测绘遥感信息工程国家重点实验室博士研究生。于2020年获得武汉大学测绘遥感信息工程国家重点实验室测绘工程硕士学位，目前正在攻读大地测量与测量工程博士学位。他的研究兴趣包括基于机会信号的室内定位与导航技术、无线通信和物联网。
陈亮，武汉大学测绘遥感信息工程国家重点实验室教授，博士生导师。长期从事“室内外无缝定位与导航”领域的研究，在导航新信号体制理论与方法、智能手机泛在定位、多源融合室内外无缝导航等方向取得了多项研究成果。
https://jszy.whu.edu.cn/chenliang/zh_CN/index.htm
Yanlin Ruan，武汉大学测绘遥感信息工程国家重点实验室博士研究生。于武汉大学获得控制理论与控制工程硕士学位，目前正在攻读通信与信息系统博士学位。他曾担任中兴通讯研发工程师和电子信息工程大学讲师。他的研究兴趣包括室内定位和导航技术、信号处理和机器学习。
陈锐志，武汉大学测绘遥感信息工程国家重点实验室主任，教授、博士生导师、芬兰科学与人文院院士。他是导航定位领域国际著名学者，致力于智能手机室内外无缝导航定位和低轨卫星导航增强的理论研究与核心技术开发。主要针对导航卫星信号弱，无法穿透室内空间的技术难题，开展智能手机的高精度、高可用和北斗低轨导航增强等方面的研究，推动我国北斗导航系统的服务从室外拓展到室内，从地面提升到低轨空间。
https://liesmars.whu.edu.cn/info/1169/5954.htm
END
编辑/排版：肖之阳
审核：李丹丹
