近日，世炬网络、华东师范大学通信与电子工程学院赵昆教授团队、英特尔合作推出了基于英特尔® 架构的5G-Advanced（5G-A）精准定位解决方案。该方案依托于世炬网络扩展型小基站，包括基带单元(BBU)、拓展单元 (EU) 和射频单元 (RRU)。扩展型小基站采用了搭载英特尔至强处理器以及英特尔FlexRAN架构的服务器，结合由华东师范大学团队开发的基于差分参考信号强度测量值 (Difference of Reference Signal Strength，DRSS)的定位算法、基于5G-A的多维信息融合指纹定位算法等，显著提升了定位算法处理的性能，实现了精准、快速的目标定位。
方案以白皮书的形式发布在了2024年9月份的中国（北京）国际信息通信展览会，受到广泛的关注。下一步将在华东师范大学信息楼、运营商实验室、工业5G场景等展开进一步的实验以及应用部署。该方案的制定过程也受到学院郑正奇老师、余超老师的指导，信息楼5G定位实验系统的建设也得到了学院的支持。
方案背景：
在数字和智能技术成为企业竞争核心的当下，用户对网络服务的质量期望不断提升。对于商场、办公楼和停车场等场所，迫切需要部署既高速又低延迟的网络。传统的卫星定位系统常常因为建筑物的遮挡和有限的覆盖范围而无法提供室内精准定位。为了解决这一问题，基于技术的定位算法应运而生。这些先进的算法不仅能够帮助企业深入挖掘通信业务中的时空数据，还能推动更完善的定位服务的开发。通过这样的技术革新，我们不仅能够保持互联网高速运行，还能拓展更广泛的应用服务领域，进一步推动生活的智能化发展。
方案成果：
🏷️DRSS定位算法：
基于 DRSS 的估计距离比的定位模型
此算法利用多基站测量得到的参考信号接收功率，计算UE（目标用户）与各个基站之间的距离比，解算UE的坐标位置，能够降低算法对环境参数的依赖，有效解决传统的路径损耗模型定位精度不高的问题。
🏷️ 指纹库匹配定位算法：
基于 5G-A 的多维信息融合指纹定位算法框架
指纹库匹配定位算法分为离线阶段和在线两个阶段。在离线阶段中，通过终端接收到的多个观测量构建多维信息融合指纹库，并通过数据预处理去除原始数据中的异常值和噪声干扰，利用去除噪声后的多维信息融合指纹库进行模型训练。在在线阶段中，将在测试点接收到的多维指纹数据输入到在线匹配算法中进行位置坐标解算，最后输出预测的位置坐标。实验基于世炬网络提供的室内5G定位场景，采用深度学习算法克服室内复杂环境中信号干扰和多径效应的影响，将在线采集的测试点数据与离线指纹库数据进行匹配，获得1-3m的定位精度。
