分布式大规模 MIMO 系统基于指纹定位技术
本文提供了一个初步的探究,使用卷积神经网络(CNNs)和测量到的海量 MIMO 通道进行基于指纹的定位。我们评估了利用 COST 2100 通道模型生成的信道指纹的现代 CNN 的定位精度,发现适度深的 CNN 可以实现分数波长的定位精度,前提是有足够代表性的数据集进行训练。
Aug, 2017
本文提出了一种利用基于神经网络的信道状态信息指纹技术的定位管道,通过从一个或多个不同步接入点(AP)获得的上行 CSI 测量来实现无线局域网 MIMO-OFDM 系统的室内和室外定位,达到厘米级中位距离误差的性能优化。
Sep, 2020
本文介绍了一种基于车辆位置的方法,使用多径指纹数据库查询车辆位置和潜在指向方向,优化候选波束选择,解决了毫米波系统中的波束对准问题,并将其与 IEEE 802.11ad 基线进行了比较,结果表明本文提出的方法具有更高的速率,特别是对于较大的天线阵列。
May, 2017
本文研究了在现有 OFDM MIMO 系统中,仅基于正交频分复用(OFDM)复杂频道系数的深度神经网络在多输入多输出(MIMO)用户定位方面的可用性,提出了一种两步训练流程来减少所需的训练点数量。
Apr, 2018
本文提出一种利用角度 - 延时信道功率矩阵(ADCPM)作为指纹的用户定位方法,并应用三维卷积神经网络模型来提高位置估计准确度,模拟结果表明该方法比传统基于搜索的方法具有更高的定位准确度,更强的噪声抗扰性。
Oct, 2019
本篇文章介绍了大型智能表面(LIS)在毫米波(mmWave)定位系统中的原理和性能,研究了与传统方案的比较,并验证了理论分析和数值研究所预测的更好性能。
Sep, 2019
本文提出了一种新的协作车辆定位和无线电环境建图的方法,其中包括多模型概率假设密度滤波器和地图融合例程,能够考虑不同类型的物体和不同的视野,模拟结果证明了所提出方法的性能。
Aug, 2019
使用基于学习的方法对 5G Massive MIMO 系统下的移动用户在小区内的位置进行推测,并采用极端学习机作为学习算法并对性能和健壮性进行验证,以及探讨在 5G 网络中实际应用的相关问题。
Jun, 2018
该论文介绍了多用户多输入 / 多输出技术以及巨型多输入 / 多输出技术的优势,包括其对吞吐量和辐射效率的显著提升,并深入探讨了该技术的局限性和应用挑战。
Apr, 2013