MMAug, 2017

基于深度卷积神经网络的大规模 MIMO 指纹定位

PDF
TL;DR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。
发现论文，激发创造
  • 基于卷积神经网络的大规模 MIMO 系统中的 CSI 定位

    研究了利用大规模 MIMO 系统的信道状态信息 (CSI) 的用户定位系统的性能。设计了一种卷积神经网络，并通过一个新颖的数据集进行了评估，该数据集利用三种不同的天线拓扑结构进行了室内 MaMIMO CSI 测量，覆盖了室内 2.5 米乘 2.5 米的区域。研究结果表明，可以通过训练 CNN 模型来估计用户在该区域内的位置，平均误差小于半个波长。此外，我们还表明，通过使用少量的标记样本，可以进一步训练 CNN，来应用于不同的天线拓扑和配置。这种迁移学习方法能够达到精确的结果，为基于 CSI 的定位系统铺平道路。

    Nov, 2019

  • 分布式大规模 MIMO 系统基于指纹定位技术

    该篇论文讨论了在使用大量多入多出系统的无线网络中进行定位的可能解决方案，并提出了一种基于接收信号强度向量的指纹识别技术，用于在高度杂波的复杂路径环境下进行站点定位。

    Sep, 2015

  • 基于深度 CNN 的毫米波大规模 MIMO 系统信道估计

    本文探讨了深度 CNN 在厘米波 massive MIMO 系统的信道估计中的应用，提出了精简空间频率 CNN、空间频率时间 CNN 和减少空间导频开销 CNN，通过数值结果验证了 CNN 可以在降低复杂度的同时提高估计准确性的结论。

    Apr, 2019

  • 基于监督对比的 CSI 表示学习在大规模 MIMO 定位中的应用

    该论文介绍了一种基于深度卷积神经网络和对比学习的大规模 MIMO CSI 相似度学习方法，并通过指纹定位实验验证证明，所提出的相似度度量方法显著提高了定位的准确性。

    Apr, 2022

  • 学习本地化：大规模 MIMO-OFDM 系统中用户定位的 3D CNN 方法

    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

  • 基于深度学习的大规模 MIMO 室内用户定位

    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

  • 基于大规模 MIMO 系统的实用室内定位

    该研究证明了仅基于神经网络和 (Massive) MIMO 通信系统的信道状态信息的室内定位系统 (IPS) 的实用性，提供了良好的精度和无需使用额外的协议 / 信号开销来实现用户定位任务。

    May, 2019

  • 基于 DNN 的信道估计定位：特征设计和实验结果

    本文讨论了在大规模 MIMO 移动通信系统中，利用深度神经网络（DNN）进行基于信道状态信息（CSI）的定位的实际问题，并引入了一种基于特征设计的方法来提高 DNN 的性能，该方法的目标是使特征对于考虑的障碍是不变的。通过在户外校园环境中收集到的地理标记 CSI 数据集上进行实验评估，表明本文所提出的方法具有很高的效率，并可以很好地适用于定位任务。

    Mar, 2020

  • 大型智能表面辅助下的毫米波大规模 MIMO 系统的深通道学习

    本文提出了一个深度学习框架，用于大型智能表面辅助大规模 MIMO 系统中的通道估计，其核心是双卷积神经网络结构，用于估计直接和级联信道，结果表明该方法性能优越。

    Jan, 2020

  • 深度 MIMO 检测

    本文研究了基于深度神经网络的 MIMO 检测，并提出了一种适用于此检测任务的现代神经网络架构。通过数值模拟，结果表明，深层网络可以在显著降低复杂性的同时，提供针对具有不良条件通道和误指定噪声方差的鲁棒性，达到最先进的准确性。

    Jun, 2017