单站MIMO系统中基于CSI且利用小规模训练数据集的数据驱动定位框架
信号处理
2023-04-25 v1
摘要
本文提出了一种面向单站大规模多输入多输出(MIMO)系统的数据驱动用户定位框架。该框架在带有地理标签的信道状态信息(CSI)数据集上进行训练。与需要大量训练数据集才能表现良好的最先进卷积神经网络(CNN)模型不同,我们的方法专门设计用于在小规模训练数据集上运行。这使得我们的方法在实际场景中更为实用,因为收集大量数据可能具有挑战性。我们提出的FC-AE-GPR框架结合了两部分:全连接自编码器(FC-AE)与高斯过程回归(GPR)模型。我们的结果表明,在给定小规模训练数据集时,GPR模型优于CNN模型。然而,当输入样本量较大时,GPR模型的训练复杂度会成为问题。为此,我们提出使用FC-AE在训练GPR模型之前对CSI进行编码以减小样本量。尽管FC-AE模型最初可能需要较大的训练数据集,但我们证明FC-AE是与场景无关的。这意味着它可以在新的、未见过的场景中直接使用而无需事先重新训练。因此,将FC-AE-GPR模型适配到新场景仅需使用小规模训练数据集重新训练GPR模型。
引用
@article{arxiv.2304.11455,
title = {CSI-Based Data-driven Localization Frameworking using Small-scale Training Datasets in Single-site MIMO Systems},
author = {Katarina Vuckovic and Farzam Hejazi and Nazanin Rahnavard},
journal= {arXiv preprint arXiv:2304.11455},
year = {2023}
}