Oct, 2018

基于深度学习的室内定位新型大规模 MIMO 信道探测数据

PDF
TL;DR本文介绍了一种新的通道声纳架构，可测量不同频段、天线几何和传播环境下的多天线和多子载波通道状态信息（CSI），该架构可用于进行不同应用程序的各种深度学习（DL）技术研究，例如在三维空间中的室内用户定位。通过室内室外的广泛测试，可以提供更全面的开放 CSI 数据集，并标记位置以供科学界进一步测试各种算法。
massive mimo5gchannel sounderdeep-learningindoor user positioning
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

  • 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

  • 住宅区大规模 MIMO 信道测量与可达速率

    本文介绍了一种用于大规模 MIMO 信道探测的测量设置，并在住宅区进行了初步实验，比较了常规预编码方案，并收集了大量的数据，定位精度超过 35 厘米，可用于进一步研究基于数据驱动的无线通信中的机器学习。

    Feb, 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

  • 基于 CSI 的大规模 MIMO 室外定位：基于学习方法的实验研究

    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

  • 基于混合知识数据驱动的信道语义获取和波束成形技术在无小区大规模 MIMO 中的应用

    该论文提出了一种基于混合知识数据驱动的方法，用于在无蜂窝大规模多输入多输出系统中进行通道语义获取和多用户波束 forming，以提高室外无线传输性能并缩小与室内传输能力之间的差距。

    Jul, 2023

  • 基于 CSI 的多天线和多点室内定位使用概率融合

    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

  • 基于深度学习的信道预测实现 FDD 大规模 MIMO

    通过神经网络进行频域外推，实现 DL 信道状态信息的准确性推测，不需要进行频繁的 PILOT 信号发送，与传统 TDD 信号相比具有可比性，可大幅提升频谱效益。

    Jan, 2019

  • 基于数据驱动的深度学习设计海量 MIMO 飞行员和信道估计器

    本文提出了一种基于数据驱动的深度学习方法，用于联合设计宽带大规模多输入多输出系统的导频信号和信道估计器。通过利用大规模 MIMO 信道的角度域压缩性，该方法可以从欠定的测量中可靠地重构高维信道，模拟结果表明，该方法优于最先进的压缩感知方法。

    Mar, 2020

  • 基于深度学习的大规模 MIMO 信道状态获取在 5G 进化和 6G 中的应用

    本文提出了基于深度学习技术的 CSI 采集的两种实现方案，并在 5G NR 网络中进行了评估，结果表明这些方案在信道状态信息获取方面具有较大的性能提升，可用于 5G 网络和未来的 6G 网络。

    Jun, 2022