基于关键点检测的近场用户定位与信道重建
信号处理
2025-01-22 v1
摘要
在极大规模多输入多输出(XL MIMO)系统的近场区域，信道重建通常通过压缩感知(CS)算法将接收导频信号转换为变换域后进行稀疏参数估计来实现。然而，CS算法中的穷举搜索在基站搭载大量天线时会消耗大量计算资源和运行时间。为克服这一挑战，我们提出了一种新方案来取代高成本的穷举搜索过程。我们将变换域中的稀疏信道矩阵可视化为信道图像，并设计信道关键点检测网络(CKNet)以高速定位用户和散射器。随后，我们使用基于小规模牛顿正交匹配积压(NOMP)的细化器进一步提高精度。该方法适用于笛卡尔域和极坐标域。此外，针对传输路径数量可灵活变化的场景，我们进一步设计FlexibleCKNet来预测位置和置信度分数。我们的实验结果验证，CKNet和FlexibleCKNet驱动的信道重建方案在用户和散射器定位以及信道重建任务中能够显著降低计算复杂度，同时保持高精度。
引用
@article{arxiv.2501.11844,
title = {Keypoint Detection Empowered Near-Field User Localization and Channel Reconstruction},
author = {Mengyuan Li and Yu Han and Zhizheng Lu and Shi Jin and Yongxu Zhu and Chao-Kai Wen},
journal= {arXiv preprint arXiv:2501.11844},
year = {2025}
}