混合视距/非视距场景下基于机器学习的近场定位
信号处理
2025-06-24 v1
摘要
传统的多重信号分类（MUSIC）算法在远场波达角估计中十分有效，并可扩展用于近场的全源定位。然而，该算法计算复杂度较高，在近场场景中由于需要进行穷举式三维网格搜索而变得尤为不可行。本文提出了一种基于机器学习的方法，用于在混合视距/非视距场景下对近场源进行三维定位。卷积神经网络（CNN）学习锚节点处接收信号协方差矩阵的特征向量与源三维位置之间的映射。本文详细描述了所提出的 CNN 模型。通过数值仿真验证了所提出的基于 CNN 的定位方法的有效性与时间效率。
引用
@article{arxiv.2506.17810,
title = {Machine Learning-Based Near-Field Localization in Mixed LoS/NLoS Scenarios},
author = {Parisa Ramezani and Seyed Jalaleddin Mousavirad and Mattias O'Nils and Emil Björnson},
journal= {arXiv preprint arXiv:2506.17810},
year = {2025}
}
备注
Accepted at EUSIPCO 2025