基于信道状态信息的神经网络定位中的特征学习
信息论
2021-12-01 v2 信号处理
math.IT
摘要
近期基于信道状态信息 (CSI) 的定位流程依赖深度神经网络 (DNN) 来学习从估计的 CSI 到位置的映射。由于真实世界的通信收发机存在硬件损伤，基于 CSI 的定位系统通常依赖人工设计的特征。本文中，我们提出了一种基于 CSI 的定位流程，其直接采用原始 CSI 测量值并利用结构化 DNN 学习特征，以生成描述发射机位于预定义网格点处可能性的概率图。为了进一步提升移动用户设备的定位精度，我们提出融合 CSI 学习特征的时序或概率图的时序。为了证明我们方法的有效性，我们使用真实世界的室内视距 (LoS) 和非视距信道测量进行了实验。我们表明，与当前最优方法相比，CSI 特征学习和时序融合可将平均距离误差降低多达 2.5。
引用
@article{arxiv.2110.15160,
title = {Feature Learning for Neural-Network-Based Positioning with Channel State Information},
author = {Emre Gönültaş and Sueda Taner and Howard Huang and Christoph Studer},
journal= {arXiv preprint arXiv:2110.15160},
year = {2021}
}
备注
Presented at ASILOMAR 2021