5G NR 单站定位中的阵列损伤：数据与模型驱动的框架及实验结果
信号处理
2024-12-12 v1
摘要
本文提出了一种面向 5G 新空口（NR）室内定位的智能框架，采用单站配置。主要目标是同时估计到达角与到达时间。这需要从接收信号的天线维度和子载波维度捕获相关信息。为应对高维信息矩阵的复杂性以及不规则阵列误差的影响，我们设计了一种深度学习方案。鉴于任意两个子载波与天线之间的相位差编码了目标的空间信息，我们认为变换器网络比擅长局部特征提取的卷积神经网络更适合此问题。为进一步增强网络的拟合能力，我们将变换器与基于模型的多元信号分类（MUSIC）区域决策机制相结合。数值结果与实地测试表明，所提框架在精确校准不规则的角度依赖型阵列误差和提升定位精度方面具有显著效果。
引用
@article{arxiv.2412.08095,
title = {5G NR monostatic positioning with array impairments: Data-and-model-driven framework and experiment results},
author = {Shengheng Liu and Hao Wang and Mengguan Pan and Peng Liu and Yahui Ma and Yongming Huang},
journal= {arXiv preprint arXiv:2412.08095},
year = {2024}
}
备注
Presented at MobiCom 2023