基于信道状态信息的深度学习定位

定位是机器人学和无线通信等多个领域中最重要的问题之一。例如，无人机（UAV）需要精确的位置信息以制定恰当的控制策略。该问题在室外应用中通过集成GPS单元被非常高效地处理。然而，由于GPS信号不可用，室内应用需要特殊处理。诸如无人机等移动机器人的另一个方面是，移动机器人与计算单元之间存在持续的无线通信。该通信主要用于获取遥测信息或直接计算机控动作。负责此传输的集成单元是商用无线通信芯片组。这些单元在接收侧负责利用各种数学技术消除通信信道的多样影响。这些技术主要需要当前信道的信道状态信息（CSI）以补偿信道本身。补偿之后，芯片组与CSI再无关联。然而，发射端与接收端的位置对CSI有直接影响。尽管CSI包含如此丰富的环境信息，这些数据的可访问性被商用无线芯片组阻断，因为它们被制造为仅向用户提供处理后的信息数据比特。然而，随着IEEE 802.11n标准化，某些芯片组提供了对CSI的访问。因此，CSI数据变得可处理并可集成到定位方案中。在本项目中，构建了用于定位任务的测试环境。两个带有合适芯片组的路由器被指定为发射端和接收端。它们被部署用于CSI数据收集。最后，这些数据被各种深度学习模型处理。