应用于基于深度学习的室内定位的新型大规模MIMO信道探测数据
信号处理
2019-02-11 v4
摘要
随着区域吞吐量的显著提升，大规模MIMO已成为第五代（5G）无线移动通信系统的赋能技术。尽管已构建原型系统，但用于验证诸如信道稀疏性等假设的公开可用信道冲激响应数据集尚不存在。在本文中，我们介绍了一种新颖的信道探测器架构，能够在不同频段、天线几何结构和传播环境下测量多天线和多子载波的信道状态信息（CSI）。该信道探测器已通过对首次测量信道数据的评估得到验证。此类数据集可用于研究不同应用中的各种深度学习（DL）技术，例如本文中所做的三维室内用户定位。我们不仅对视距（LoS）情况实现了优于75 cm的精度（可与最先进的传统定位技术相媲美），而且对于更具挑战性的非视距（NLoS）情况也获得了类似的精度。进一步的广泛室内/室外测量活动将为科学界提供一个更全面的带有位置标签的公开CSI数据集，以进一步测试各种算法。
引用
@article{arxiv.1810.04126,
title = {Novel Massive MIMO Channel Sounding Data Applied to Deep Learning-based Indoor Positioning},
author = {Maximilian Arnold and Jakob Hoydis and Stephan ten Brink},
journal= {arXiv preprint arXiv:1810.04126},
year = {2019}
}
备注
Accepted SCC2019