基于AAM_CNN的列车灰度图片位置指纹定位方法研究
罗淼1,2，张振海1，郝占军3,4
(1.兰州交通大学自动化与电气工程学院，兰州730070；2.兰州交通大学铁道技术学院，730099;3.西北师范大学计算机科学与工程学院，兰州 730070；4.甘肃省物联网科学研究中心（西北师范大学）， 兰州 730070）
摘要：高速铁路隧道环境中采用位置指纹定位时存在精度低、指纹采集困难等问题，可利用改进的SPM(Standard Propagation Model)模型获取下一代铁路通信系统5G-R中的信号强度值RSRP(Reference Signal Receiving Power)仿真数据，以有效解决指纹采集困难的问题；引入定时提前量加强指纹特征，将数据指纹转换为灰度图片位置指纹条，利用融合自适应注意力机制AAM(Adaptive Attention Mechanism)的卷积神经网络CNN(Convolutional Neural Network )建立AAM-CNN列车指纹定位模型，增强池化层之间的信息交互，充分挖掘有效特征，提高模型定位准确性。实证结果表明，与单一CNN模型和传统指纹定位方法相比，基于AAM-CNN的列车指纹定位方法在训练时间和定位精度方面均有所提高，定位误差小于8.5米的概率可达100%，完全满足中密度铁路线的定位精度标准。
关键词：列车定位；自适应注意力机制；卷积神经网络；灰度图片位置指纹；定位精度
中图分类号：U283.2 文献标识码：A DOI:10.13238/j.issn.1004-2954.202512310006