大规模 MIMO 系统中基于 CSI 的卷积神经网络定位
信号处理
2019-11-27 v1
摘要
本文研究了利用大规模 MIMO（MaMIMO）系统的信道状态信息（CSI）进行用户定位系统的性能。为从 CSI 推断用户位置，设计了一种卷积神经网络并通过一个新数据集进行评估。该数据集包含使用三种不同天线拓扑的室内 MaMIMO CSI 测量，覆盖 2.5 m × 2.5 m 的室内区域。我们表明，可以训练一个卷积神经网络（CNN）模型来估计该区域内用户的位置，平均误差小于半个波长。此外，一旦模型在给定场景和天线拓扑上训练完成，便使用迁移学习将所获得的知识重新用于具有显著不同天线拓扑和配置的另一种场景。我们的结果表明，仅需对新拓扑使用少量额外标记样本即可进一步训练 CNN。这种迁移学习方法能够达到准确结果，为基于 CNN 的实用 CSI 定位系统铺平了道路。
引用
@article{arxiv.1911.11523,
title = {CSI-based Positioning in Massive MIMO systems using Convolutional Neural Networks},
author = {Sibren De Bast and Adrea P. Guevara and Sofie Pollin},
journal= {arXiv preprint arXiv:1911.11523},
year = {2019}
}
备注
5 pages, 5 figures, conference