NLOS环境中的线性回归最小二乘三维定位算法

针对室内非视距无线环境中移动终端的三维定位问题,提出了一种非视距无线环境中基于线性回归与最小二乘法的三维定位算法。首先,基于无线通信环境中波达时间(TOA)的测量误差具有正偏置的特性,运用线性回归估计测试终端到基站之间的非视距测量距离误差与真实距离之间的线性关系;然后,根据该线性关系运用最小二乘原理对移动终端进行三维几何定位。实验结果表明,算法具有较高的定位精度,最大定位误差不超过2 m,且在非视距环境下,所提出的定位算法不仅不需要TOA的时延分布先验知识,而且定位精度优于其他基于TOA的两阶段最小二乘定位算法的定位精度。     

移动场景下的智能信道预测方法

针对无线通信信道估计老化问题,本文提出了一种基于卷积神经网络的信道预测方法,该方法通过联合轨迹预测和信道重构实现。首先,采用卷积神经网络学习从规划路线和移动终端所在位置到移动方向映射,进而预测出轨迹上多个目标位置;其次,采用卷积神经网络学习从目标位置附近K个位置项的信道,到目标位置信道间映射,用于实现预测轨迹的信道估计。本文利用Wireless InSite为移动方向预测和信道重构模型的训练及测试生成充足的样本,包括规划路线和通过射线跟踪方法获取的信道等。仿真结果表明,本文所提出的方法能有效地估计目标位置的信道特性,与K值较小的K-近邻插值方法和基于全连接神经网络的信道预测方法相比,其信道估计总相对误差更低且鲁棒性较好。