使用微型神经网络的算法监督毫米波室内定位
信号处理
2024-07-31 v2 网络与互联网体系结构
摘要
毫米波信号的准光学传播使得采用几何方法或机器学习模型的高精度定位算法成为可能。然而，大多数算法需要室内环境信息，可能需要收集大量训练数据集，或者对商用现成（COTS）设备带来不可行的计算负担。在这项工作中，我们提出使用微型神经网络（NN）来学习角度到达差（ADoA）测量值与室内环境中接收器位置之间的关系。为了减轻训练数据收集的工作量，我们采用自监督方法，通过从最先进的定位算法获得的位置估计来引导神经网络的训练。我们通过室内60 GHz双定向信道探测的毫米波测量来评估我们的方案。我们处理测量结果以得到主要多径分量，使用相应的角度计算ADoA值，最终获得位置解。结果表明，微型神经网络在74%的情况下实现了亚米级误差，其性能与最先进算法相当甚至更好，且计算复杂度显著降低。
引用
@article{arxiv.2401.01329,
title = {Algorithm-Supervised Millimeter Wave Indoor Localization using Tiny Neural Networks},
author = {Anish Shastri and Steve Blandino and Camillo Gentile and Chiehping Lai and Paolo Casari},
journal= {arXiv preprint arXiv:2401.01329},
year = {2024}
}
备注
13 pages, 12 figures