隨著物聯網應用對精確定位的迫切需求，室內定位設備的通用性和成本成為關鍵因素。在室內定位領域，5G 信號與多傳感器融合技術是提升定位精度的重要方向。本研究提出了一種基于5G信道狀態信息（CSI）和地磁數據的多輸入卷積神經網絡（CNN）定位系統。
系統概述
本系統基于USRP-LW B210硬件平臺開發，采用5G CSI 與地磁融合的多輸入 CNN 模型，在小型室內外場景中實現了亞米級定位精度。其中USRP-LW B210 作為核心的 5G 信號采集設備，負責對 5G NR 信號進行精準采樣，提取 CSI 幅度信息作為定位指紋，為多源數據融合提供高質量的 5G 特征基礎。
在本系統中，USRP從數據采集到模型部署為5G信號感知提供了高性價比的解決方案：
高靈活性：USRP作為5G信號接收硬件，實時采集5G新空口（NR）信號，解調獲取信道狀態信息；
數據可靠性：通過USRP獲取的CSI數據穩定性高，能準確反映信道狀態變化（如多徑效應），用于構建位置指紋庫；
開源生態：支持GNU Radio、MATLAB等工具鏈，便于與深度學習框架集成；
低成本部署：結合商用5G基站和USRP，無需專用硬件，降低了系統部署成本。
實物場景圖
硬件平臺
USRP-LW B210是一款高度集成，支持兩路收發的工業級通用軟件無線電設備。支持高速的USB 3.0連接，通過開源的USRP硬件驅動程序（UHD）支持多種框架。
該設備采用可編程的Spartan 6 XC6SLX150 FPGA，射頻前端為AD9361，可提供最大56MHz的實時帶寬。尺寸小巧，緊湊便攜，適合實驗室和現場部署。
系統原理
5G室內定位方法：
1.數據采集：通過 USRP 采集并解調 5G NR 信號以獲取 CSI 數據 。USRP 以 50Hz 頻率對 60 個子載波的 5G NR 信號實時采樣，將原始信號轉換為含幅度、相位信息的復數 CSI 矩陣，同時借低成本磁力計采集三軸地磁場強度數據，補充 5G 信號在復雜環境的不足。
2.數據預處理：提取 5G CSI 中 60 個子載波的幅度信息，重構為灰度圖像格式張量；將地磁三軸數據重構為類 RGB 圖像格式，實現與 CSI 數據維度對齊 。
3.神經網絡模型訓練：離線階段，將預處理后的 5G CSI 與地磁數據輸入多輸入 CNN，生成位置指紋庫。拼接雙分支特征，通過全連接層回歸2D坐標。
4.在線實時定位：在線實時定位階段，將實測數據輸入訓練好的多輸入網絡，以獲取坐標。
性能驗證
為了驗證所提方法的定位性能，首先選擇一種基于 5G 傳感器的較好的指紋數據構建方法，然后進一步耦合地磁傳感器數據。在室內場景中進行了實地測試。
場景與部署：12m×9m會議室， 5G AP 被部署在會議室中央； USRP-LW B210 與磁力計固定在移動終端上。
實驗方案：室內均勻設置 56 個訓練點（圓點）和 28 個測試點（三角形），5G 基站部署于場景中心，作為固定的5G NR信號發射源。
訓練點：用于構建指紋數據庫；測試點：用于驗證定位精度
實驗設備：
USRP-LW B210作為接收端（天線數1，采樣頻率50 Hz，子載波：60 個）
磁力計Wit-motion HWT901B-232同步采集地磁強度數據（采樣頻率 100 Hz，精度：1mg）
結論：
5G 定位、地磁定位、多輸入 5G 與地磁定位、單輸入 5G 與地磁定位的平均定位誤差分別為 1.83 米、2.15 米、1.72 米和 1.41 米。其中，多輸入 5G 與地磁定位表現最佳。
實驗結果表明，多輸入 CNN 算法的性能優于單輸入 CNN 策略。與 5G 單基站相比，該融合方法在室內會議室的整體定位精度提高了約 22.9%。我們提出的方法可以提高室內定位精度。
配置清單
