基于深度学习的容错纯相位室内定位
信号处理
2025-08-21 v1
摘要
高精度定位正成为下一代无线系统关键附加值和资产。载波相位定位（CPP）可实现亚米级至厘米级精度，并在5G-Advanced标准化中引起关注。虽然CPP通常补充到达时间（ToA）测量，但近期文献在理想硬件假设下，引入了一种在分布式天线/MIMO系统背景下、带宽需求极小的纯相位定位方法，并使用深度学习（DL）。然而，在更实际的场景中，天线故障会严重降低性能。本文针对具有挑战性的纯相位定位任务，提出了一种新的基于DL的定位方法，该方法利用所谓的双曲线相交原理，性能明显优于先前方法。此外，我们考虑并提出了一种对天线单元故障具有鲁棒性的处理和学习机制。我们的结果表明，尽管存在天线损伤，所提出的DL模型仍能实现鲁棒且精确的定位，证明了数据驱动、抗损伤的纯相位定位机制的可行性。全面的数值结果表明，与现有技术方法相比，定位精度有了大幅提升。
引用
@article{arxiv.2508.14739,
title = {Failure Tolerant Phase-Only Indoor Positioning via Deep Learning},
author = {Fatih Ayten and Mehmet C. Ilter and Akshay Jain and Ossi Kaltiokallio and Jukka Talvitie and Elena Simona Lohan and Henk Wymeersch and Mikko Valkama},
journal= {arXiv preprint arXiv:2508.14739},
year = {2025}
}