基于波束赋形CSI测量的CNN方法用于5G毫米波定位
信号处理
2022-06-29 v1 人工智能
机器学习
摘要
人工智能(AI)的出现已经影响了人类生活的方方面面。AI影响的一个具体例证体现在无线电定位中。在本文中,我们首次利用AI的力量,通过使用由波束赋形信道状态信息(CSI)组成的5G新空口(NR)指纹训练卷积神经网络(CNN)。通过观察CSI,可以表征发射机与接收机之间的多径信道,从而提供良好的时空数据源以查找用户设备(UE)的位置。我们从城市区域收集基于射线追踪的5G NR CSI。在已知位置的参考点处收集来自一个基站(BS)的信号的CSI数据以训练CNN。我们通过以下测试评估我们的工作:a)所训练网络对同一参考点上新测量值进行位置估计的鲁棒性;b)当UE位于非参考点位置时基于CNN的位置估计精度。结果证明,我们针对特定城市环境训练的网络能够以最小平均误差0.98 m估计UE位置。
引用
@article{arxiv.2205.03236,
title = {A CNN Approach for 5G mmWave Positioning Using Beamformed CSI Measurements},
author = {Ghazaleh Kia and Laura Ruotsalainen and Jukka Talvitie},
journal= {arXiv preprint arXiv:2205.03236},
year = {2022}
}
备注
To appear in 2022 International Conference on Localization and GNSS (ICL-GNSS), 7-9 June 2022, Tampere, Finland