基于高精度机器学习的海量 MIMO 系统室内定位
信号处理
2023-03-08 v1 机器学习
摘要
基于蜂窝网络的高精度定位是下一代通信系统的关键技术之一。本文研究了将机器学习（ML）应用于海量多输入多输出（MIMO）系统以提升定位精度的潜力。我们分析了一种新的基于ML的定位流程，其具有两个并行全连接神经网络（FCNN）。第一个FCNN采用瞬时空间协方差矩阵以捕获角度信息，而第二个FCNN采用信道冲激响应以捕获时延信息。我们对这两个FCNN估计的坐标进行融合以进一步提高精度。为测试该定位算法，我们使用 3.7GHz 的海量MIMO测试平台进行了室内测量活动。在所测场景中，所提流程通过结合时延与角度信息可实现厘米级精度。
引用
@article{arxiv.2303.03743,
title = {High-Precision Machine-Learning Based Indoor Localization with Massive MIMO System},
author = {Guoda Tian and Ilayda Yaman and Michiel Sandra and Xuesong Cai and Liang Liu and Fredrik Tufvesson},
journal= {arXiv preprint arXiv:2303.03743},
year = {2023}
}
备注
6 pages, 8 figures