MobiLoc：利用神经网络提升商用毫米波定位系统的性能

《ACM Transactions on Sensor Networks》：MobiLoc: Enhancing COTS mmWave Localization with Neural Network

毫米波通信技术因高吞吐量和可靠性成为下一代通信网络的关键，但移动设备定位受限于信道状态波动和静态设备适配问题。本文提出基于神经网络的MobiLoc方法，通过分析CFR测量数据的品质，设计专用神经网络识别高质数据，结合信道频率响应和角度谱实现移动毫米波设备的高精度定位（误差≤1.33°），仅使用单次CFR测量即可有效提升定位精度。

　　

摘要

毫米波（mmWave）通信技术以其高吞吐量和高可靠性在学术界和工业界备受关注。这项技术在下一代通信网络中发挥着关键作用，为高速数据传输提供了有前景的解决方案。在这种情况下，移动毫米波通信设备的定位至关重要，因为它可以有效指导毫米波波束的指向，从而无需繁琐的波束对准过程。然而，现有的商用毫米波通信设备方法存在信道状态波动的问题，并且只能用于静态设备。为了为移动毫米波设备提供精确的定位，我们提出了基于神经网络的 MobiLoc 方法，以提高移动场景下的定位精度。我们的方法利用信道频率响应（CFR）和角谱来辅助确定设备位置。首先，我们分析了将传感数据分类为不同质量的可行性；随后，我们实现了一种专门用于识别高质量传感数据的神经网络架构。通过在商用现成（COTS）毫米波通信设备上进行的全面实验，证明了该方法的有效性。结果表明，MobiLoc 能显著提高定位精度，仅使用单个 CFR 测量值就能将移动设备的中位角度估计误差降低到 1.33°。