该成果针对复杂室内外环境下单一定位技术精度与稳定性不足的问题，提出融合北斗卫星与5G基站数据的多场景定位增强方案。通过室内5G指纹定位（采集RSSI信号建立指纹库，利用欧氏距离匹配实现亚米级定位）与室外北斗多星定位（基于三球交会原理解算坐标）获取多源数据，经卡尔曼滤波剔除噪声后，由多场景定位模式识别系统根据信号强度、多径效应等特征动态切换定位模式：单信号时沿用当前模式，双信号时优先选择高精度模式，精度相当时启用联合定位，并通过权重分配实现过渡区域平滑切换。采用高斯-牛顿迭代法构建包含北斗卫星、5G基站与目标终端坐标的联合定位模型，迭代修正参数至误差平方和收敛（≤10⁻⁶），解决卫星数不足时的定位解算问题；引入BP神经网络训练优化定位结果，通过三层网络架构与反向传播算法拟合非线性关系，迭代调整权值与阈值至均方根误差≤0.5米，显著提升复杂环境容错能力，实验室测试误差均方根（RMSE）优于现有方案。
技术亮点包括：1. 多源数据智能融合：室内外数据覆盖全场景，动态切换机制避免硬切换跳变，联合定位精度≤1米（无盲区）；2. 滤波与神经网络优化：卡尔曼滤波降低NLOS噪声40%以上，BP神经网络提升多径场景精度30%；3. 抗干扰与连续定位：设定信号波动阈值抑制乒乓效应，切换延迟≤200ms，卫星拒止环境纯5G模式可持续≥6小时。
技术参数显示：室内5G定位精度≤1.5米，室外北斗≤2米，联合定位≤1米；传感器要求北斗≥3颗卫星（信噪比≥25dB）、5G≥3个基站（信号功率≥150mW）；功耗≤800mW，边缘计算延迟≤50ms。
适用范围涵盖智能终端（手机、车载导航）、工业场景（无人机巡检、AGV导航）、智慧城市（智能井盖监测）与应急救援（灾区无卫星定位）等，尤其适合信号遮挡、多径效应显著的复杂环境。其独特价值在于深度兼容北斗系统，贴合国内政策，通过神经网络适应本土复杂地貌，相比国外方案更具本地化优势。随着北斗与5G基础设施完善，该技术在智能汽车、工业物联网等领域可大量推广，兼具高精度定位能力与广泛场景适应性，社会与经济价值显著。