5G室内定位
随着物联网应用对精确定位的迫切需求，室内定位设备的通用性和成本成为关键因素。在室内定位领域，5G 信号与多传感器融合技术是提升定位精度的重要方向。本研究提出了一种基于5G信道状态信息（CSI）和地磁数据的多输入卷积神经网络（CNN）定位系统。
系统概述
本系统基于USRP-LW B210硬件平台开发，采用5G CSI 与地磁融合的多输入 CNN 模型，在小型室内外场景中实现了亚米级定位精度。其中USRP-LW B210 作为核心的 5G 信号采集设备，负责对 5G NR 信号进行精准采样，提取 CSI 幅度信息作为定位指纹，为多源数据融合提供高质量的 5G 特征基础。
在本系统中，USRP从数据采集到模型部署为5G信号感知提供了高性价比的解决方案：
高灵活性：USRP作为5G信号接收硬件，实时采集5G新空口（NR）信号，解调获取信道状态信息；
数据可靠性：通过USRP获取的CSI数据稳定性高，能准确反映信道状态变化（如多径效应），用于构建位置指纹库；
开源生态：支持GNU Radio、MATLAB等工具链，便于与深度学习框架集成；
低成本部署：结合商用5G基站和USRP，无需专用硬件，降低了系统部署成本。
实物场景图
硬件平台
USRP-LW B210是一款高度集成，支持两路收发的工业级通用软件无线电设备。支持高速的USB 3.0连接，通过开源的USRP硬件驱动程序（UHD）支持多种框架。
该设备采用可编程的Spartan 6 XC6SLX150 FPGA，射频前端为AD9361，可提供最大56MHz的实时带宽。尺寸小巧，紧凑便携，适合实验室和现场部署。
系统原理
5G室内定位方法：
数据采集：通过 USRP 采集并解调 5G NR 信号以获取 CSI 数据 。USRP 以 50Hz 频率对 60 个子载波的 5G NR 信号实时采样，将原始信号转换为含幅度、相位信息的复数 CSI 矩阵，同时借低成本磁力计采集三轴地磁场强度数据，补充 5G 信号在复杂环境的不足。
数据预处理：提取 5G CSI 中 60 个子载波的幅度信息，重构为灰度图像格式张量；将地磁三轴数据重构为类 RGB 图像格式，实现与 CSI 数据维度对齐 。
神经网络模型训练：离线阶段，将预处理后的 5G CSI 与地磁数据输入多输入 CNN，生成位置指纹库。拼接双分支特征，通过全连接层回归2D坐标。
在线实时定位：在线实时定位阶段，将实测数据输入训练好的多输入网络，以获取坐标。
性能验证
为了验证所提方法的定位性能，首先选择一种基于 5G 传感器的较好的指纹数据构建方法，然后进一步耦合地磁传感器数据。在室内场景中进行了实地测试。
场景与部署：12m×9m会议室， 5G AP 被部署在会议室中央； USRP-LW B210 与磁力计固定在移动终端上。
实验方案：室内均匀设置 56 个训练点（圆点）和 28 个测试点（三角形），5G 基站部署于场景中心，作为固定的5G NR信号发射源。
训练点：用于构建指纹数据库；测试点：用于验证定位精度
实验设备：
USRP-LW B210作为接收端（天线数1，采样频率50 Hz，子载波：60 个）
磁力计Wit-motion HWT901B-232同步采集地磁强度数据（采样频率 100 Hz，精度：1mg）
结论：
5G 定位、地磁定位、多输入 5G 与地磁定位、单输入 5G 与地磁定位的平均定位误差分别为 1.83 米、2.15 米、1.72 米和 1.41 米。其中，多输入 5G 与地磁定位表现最佳。
实验结果表明，多输入 CNN 算法的性能优于单输入 CNN 策略。与 5G 单基站相比，该融合方法在室内会议室的整体定位精度提高了约 22.9%。我们提出的方法可以提高室内定位精度。
本案例来源于：Cheng, Zhenhao, et al. "A Tightly Coupled Indoor Positioning Method Using Widespread 5G and Low-Cost Magnetometer Based on Multi-Input CNN." Preprints, 13 June 2023, doi:10.20944/preprints202306.0882.v1.
本案例版权属于珞光，严禁用于任何其他商业用途。