数据集参数对基于深度学习的直接UE定位性能的影响
信息论
2023-04-14 v2 math.IT
摘要
用户设备（UE）定位精度在当前及未来通信标准中至关重要。然而，传统方法在非视距（NLoS）场景下往往表现不佳。因此，深度学习成为提升NLoS环境中UE定位精度的候选方案。本文中，我们研究了深度学习在3GPP室内工厂（InF）统计信道上的有效性。更具体地，我们分析了若干关键要素对定位精度的影响：所用无线电数据类型、基站（BS）数量、训练数据集规模，以及已训练模型的泛化能力。
引用
@article{arxiv.2304.02308,
title = {Influence of Dataset Parameters on the Performance of Direct UE Positioning via Deep Learning},
author = {Baptiste Chatelier and Vincent Corlay and Cristina Ciochina and Fallou Coly and Julien Guillet},
journal= {arXiv preprint arXiv:2304.02308},
year = {2023}
}
备注
Accepted for publication at the European Conference on Networks and Communications (EuCNC) 2023