面向被动运动驱动虚拟大阵列的基于机器学习的直接信源定位

本文介绍了一种利用智能手机广泛普及优势的新型智能手机赋能的环境物联网（IoT）设备定位技术。通过利用智能手机的被动运动，我们创建了一个虚拟大阵列，仅使用到达角（AoA）信息即可实现直接定位。与传统的两步定位方法不同，直接定位不受初始步骤中 AoA 估计误差的影响，这些误差通常由多径信道和噪声引起。然而，直接定位方法通常需要先验环境知识来定义搜索空间，且计算时间随搜索空间的扩大而增加。为了解决当前直接定位方法的局限性，我们提出了一种基于机器学习（ML）的直接定位技术。该技术将 ML 与自适应匹配追踪过程相结合，动态生成搜索空间以实现精确的信源定位。尽管 ML 在各种训练和测试环境中可能存在精度波动，自适应匹配追踪仍能最小化定位误差。此外，通过估计反射源的位置，我们减少了多径信道的影响，提高了定位精度。广泛的三维光线追踪模拟表明，我们提出的方法在计算效率上优于当前最先进的直接定位技术，且不依赖于先验环境知识。