毫米波通信中用于三维定位的基于模型的学习网络
信息论
2021-03-23 v1 信号处理
math.IT
摘要
本研究考虑在三维毫米波云无线接入网（CRAN）架构中用户设备（UE）与散射体的联合位置与速度估计。已有若干工作利用神经网络（NNs）进行定位并取得了令人满意的结果。然而，黑盒神经网络定位方法性能有限且依赖大量训练数据。为此，我们提出一种将神经网络与几何模型相结合的基于模型的学习网络用于定位。具体而言，我们首先利用混合时延/角度测量开发了一个无偏加权最小二乘（WLS）估计器，该估计器仅用一个估计器即可确定 UE 的位置与速度，并进一步获得散射体的位置与速度。所提估计器可达到克拉美罗下界（CRLB）且优于现有最优方法。其次，我们建立一种神经网络辅助的定位方法（NN-WLS），用神经网络替换所提 WLS 定位模型中的线性近似以学习高阶误差分量，从而提升估计器性能。该方案兼具神经网络强大的学习能力与所提几何模型的鲁棒性。此外，应用集成学习以进一步提高定位精度。综合仿真表明，所提 NN-WLS 在定位精度、鲁棒性及所需时域资源方面均优于基准方法。
引用
@article{arxiv.2103.11122,
title = {Model-based Learning Network for 3-D Localization in mmWave Communications},
author = {Jie Yang and Shi Jin and Chao-Kai Wen and Jiajia Guo and Michail Matthaiou and Bo Gao},
journal= {arXiv preprint arXiv:2103.11122},
year = {2021}
}
备注
Paper accepted for publication in IEEE Transactions on Wireless Communications. arXiv admin note: text overlap with arXiv:1908.04142