基于 UKF 和 EKF 的 5G 超密集网络联合 3D 定位与网络同步
信息论
2016-08-15 v1 math.IT
摘要
人们普遍预期，未来的第五代（5G）网络将部署高密度的接入节点（AN），以满足即将到来的无线网络预期的容量需求。密集化不仅有利于通信，还为高精度的用户节点（UN）定位创造了便利的基础设施。尽管定位在未来网络中将发挥重要作用，从而支持大量基于位置的应用和服务，但这一巨大机遇在现有文献中尚未得到广泛探索。因此，本文提出了一种基于无迹卡尔曼滤波（UKF）的方法，用于估计接入节点的到达方向（DoA）和到达时间（ToA），并以网络为中心的方式执行联合 3D 定位和网络同步。除了提出的基于 UKF 的解决方案外，现有的基于扩展卡尔曼滤波（EKF）的 2D 解决方案也被扩展以涵盖现实的 3D 定位场景。基于 5G 超密集网络（UDN）的前提，利用基于 METIS 地图的射线追踪信道模型以及马德里网格中车辆和无人机（UAV）的 3D 轨迹，对两种方法的性能进行了评估和分析，评估指标包括 DoA 和 ToA 估计精度以及定位和时钟偏移估计精度。基于全面的数值评估，两种提出的方法即使在未同步的 5G 网络情况下也能提供预期的 1 米 3D 定位精度，同时以纳秒级精度跟踪网络元素的时钟偏移。
引用
@article{arxiv.1608.03710,
title = {Joint 3D Positioning and Network Synchronization in 5G Ultra-Dense Networks Using UKF and EKF},
author = {Mike Koivisto and Mário Costa and Aki Hakkarainen and Kari Leppänen and Mikko Valkama},
journal= {arXiv preprint arXiv:1608.03710},
year = {2016}
}
备注
10 pages, 4 figures