面向智能工厂的基于 RIS 的室内定位的 AI 辅助非视距传播感知
信号处理
2025-05-23 v1
摘要
在工业 4.0 时代，精确的室内定位对于智能工厂的自动化和效率至关重要。可重构智能表面（RIS）正在作为 6G 网络中的关键启用技术，实现联合感知和通信。然而，RIS 在非视距传播（NLOS）和多径传播方面面临重大挑战，尤其是在定位场景中，检测 NLOS 条件对于确保可靠结果、提高连接性以及智能工厂人员的安全至关重要。本研究引入一种利用针对准确视距传播（LOS）和非视距传播（NLOS）分类定制的卷积神经网络（CNN）的 AI 辅助框架，以增强基于 RIS 的定位性能，使用来自测量、合成、混合测量和混合合成实验数据的验证，分别对应原始、增强、轻度噪声和高度噪声数据。通过来自三个不同环境的数据验证，所提出的定制 CNN（cCNN）模型实现了 {95.0\%-99.0\%} 的准确率，显著优于视觉几何组 16（VGG-16）等标准预训练模型，其准确率为 {85.5\%-88.0\%}。通过解决 RIS 在 NLOS 场景中的局限性，该框架为 6G 使能的智能工厂提供了可扩展且高精度的定位解决方案。
引用
@article{arxiv.2505.15989,
title = {AI-Assisted NLOS Sensing for RIS-Based Indoor Localization in Smart Factories},
author = {Taofeek A. O. Yusuf and Sigurd S. Petersen and Puchu Li and Jian Ren and Placido Mursia and Vincenzo Sciancalepore and Xavier Costa Pérez and Gilberto Berardinelli and Ming Shen},
journal= {arXiv preprint arXiv:2505.15989},
year = {2025}
}
备注
Accepted 7 pages Paper for VTCSpring2025 Conference