基于 AI 辅助的近场定位方法
信号处理
2025-06-30 v2 机器学习
摘要
对高吞吐和能源效率无线通信需求的增加，推动了采用高频率带宽的超大天线阵列。在这些场景中，多个用户将驻留于辐射近场区域，准确定位变得至关重要。不同于依赖单纯方位角估计的远场系统，近场定位利用球面波传播来恢复方位角和距离信息。虽然基于子空间的方法，如 MUSIC 及其扩展，为近场定位提供了高分辨率和可解释性，但其性能受到模型假设的影响，这些假设包括非相干源、良好校准的阵列以及足够的快照数。为此，本文提出了用于近场定位的 AI 辅助子空间方法，以提高对现实挑战的鲁棒性。具体而言，我们引入 NF-SubspaceNet—a 基于深度学习的 2D MUSIC 算法，学习协方差矩阵的替代物以改善在挑战性条件下的定位；以及 DCD-MUSIC—a 级联 AI 辅助方法，通过解耦角度和距离估计来降低计算复杂度。我们进一步开发了一种新型模型阶数感知训练方法，用于准确估计源的数量，并将近场子空间方法作为 AI 模型进行学习。大量仿真结果表明，所提出的方法在抗相干源、阵列失准和少量快照的情况下，优于经典和现有深度学习定位技术，实现了鲁棒的近场定位。
引用
@article{arxiv.2504.00599,
title = {Near Field Localization via AI-Aided Subspace Methods},
author = {Arad Gast and Luc Le Magoarou and Nir Shlezinger},
journal= {arXiv preprint arXiv:2504.00599},
year = {2025}
}
备注
Under review for publication in the IEEE