5G 毫米波网络中鲁棒的非视距（NLoS）定位：数据驱动方法与性能
信号处理
2024-06-25 v1
摘要
在 5G 毫米波网络中使用定向波束传输进行无缝移动管理，要求实现鲁棒且准确的用户设备（UE）定位与跟踪。本文开发了基于时频域信道状态信息（CSI）数据的神经网络定位模型，适用于恶劣非视距（NLoS）条件。我们提出了一种新颖的频域特征提取方法，结合资源块上的相对相位差和接收功率，具有稳健性和可靠性。此外，我们利用多径分量，提出将到达时间、到达角和接收路径功率综合的时域特征。重要的是，还利用时序相关性构建序列处理神经网络，这对于车载 UE 尤其有益。提供了基于全射线追踪的传播建模在大规模视距（LoS）阻挡的城市环境中移动车辆的真实数值评估。结果表明，所提出的 CSI 特征在定位精度方面具有稳健性，所提出的模型即使在不存在 LoS 路径的情况下也能可靠定位 UE，明显优于具有相似甚至更低处理复杂度的现有方法。所提出的基于序列的神经网络模型能够同时跟踪 UE 的位置、速度和航向，尽管 CSI 测量存在强烈不确定性。最后，表明训练与在线推断环境之间的差异可以通过迁移学习有效解决并缓解。
引用
@article{arxiv.2406.16519,
title = {Robust NLoS Localization in 5G mmWave Networks: Data-based Methods and Performance},
author = {Roman Klus and Jukka Talvitie and Julia Vinogradova and Gabor Fodor and Johan Torsner and Mikko Valkama},
journal= {arXiv preprint arXiv:2406.16519},
year = {2024}
}
备注
16 pages, 13 figures, manuscript currently in review with IEEE