基于 CSI 的用户定位、信道绘图与设备分类——基于 NVIDIA 5G 测试平台

信道状态信息（CSI）将在未来的细胞系统中发挥关键的感知作用。然而，目前尚未发布来自真实世界 5G NR 系统的 CSI 数据集，以便开发和验证合适的感知算法。为弥合这一差距，我们发布了来自 5G NR 上行信道的三个真实世界宽带多天线多开放式RAN 基站（O-RU）CSI 数据集：一个室内实验室/办公室房间数据集、一个户外校园院子数据集，以及一个包含六个商业-off-the-shelf（COTS）用户设备（UE）的设备分类数据集。这些数据集使用基于 NVIDIA Aerial RAN CoLab Over-the-Air（ARC-OTA）的软件定义 5G NR 测试平台记录，测试平台部署在 ETH Zurich。我们展示了这些数据集用于三个 CSI-based 感知任务的实用性：神经网络 UE 定位、基于真实世界坐标的信道绘图和封闭集合设备分类。对于所有这些任务，我们的结果显示出高准确性：神经网络 UE 定位实现了 0.6cm（室内）和 5.7cm（户外）的平均绝对误差，信道绘图在真实世界坐标下实现了 73cm 的平均绝对误差（户外），设备分类实现了 99%（同一天）和 95%（次日）的准确率。CSI 数据集、ground-truth UE 位置标签、CSI 特征和仿真代码均公开 available at https://caez.ethz.ch。