混合视距/非视距室内环境中的无监督无线电地图构建
机器学习
2025-10-10 v1
摘要
无线电地图对于增强无线通信和定位至关重要。然而，现有无线电地图构建方法通常需要昂贵的校准过程来收集位置标注的信道状态信息（CSI）数据集。本文旨在直接从信道传播序列恢复数据采集轨迹，消除对位置校准的需求。核心思想是采用隐马尔可夫模型（HMM）框架来条件化建模信道传播矩阵，同时建模轨迹中的位置相关性。主要挑战包括建模MIMO网络中信道传播与地理位置之间的复杂关系，以及处理视距（LOS）和非视距（NLoS）室内条件。本文提出了一种HMM框架，联合表征条件传播模型和用户轨迹演化。具体而言，MIMO网络中的信道传播分别在功率、延迟和角度维度建模，并针对LOS和NLoS条件采用不同模型。用户轨迹采用高斯-马尔可夫模型建模。信道传播参数、运动模型和LOS/NLoS分类同时优化。使用模拟MIMO正交频分复用（OFDM）网络和多天线均匀线阵（ULA）配置的实验验证表明，所提方法在室内环境中实现了平均0.65米的定位精度，覆盖了LOS和NLoS区域。此外，构建的无线电地图实现了比传统监督方法（如K近邻（KNN）、支持向量机（SVM）和深度神经网络（DNN））更低的定位误差。
引用
@article{arxiv.2510.08015,
title = {Unsupervised Radio Map Construction in Mixed LoS/NLoS Indoor Environments},
author = {Zheng Xing and Junting Chen},
journal= {arXiv preprint arXiv:2510.08015},
year = {2025}
}