Core Concepts
本論文は、周波数、電力、角度、遅延の各ドメインにわたる多経路特徴を指紋として活用し、指紋分布の固有の不均一性の問題に取り組む新しい多源情報融合学習フレームワークを提案する。
Abstract
本論文は、屋外多点NLOS環境における正確な移動端末位置推定のための新しい手法を提案している。
主な内容は以下の通り:
2段階マッチドフィルタを用いて、チャネル周波数応答(CFR)の並列特徴(PFCFR)を抽出し、CFRの分類を行う。また、角度遅延チャネル振幅行列(ADCAM)に対してはイテレーティブな重心ベースクラスタリングを適用し、領域分割を行う。
CFRとADCAMの分類結果を融合し、特殊なサンプルを除去した上で、セグメント固有の線形分類器アレイと深層残差ネットワークを組み合わせ、指紋と座標の相関関係を学習する。
提案手法は、WAIR-DデータセットとデプスMIMOデータセットで高い位置推定精度を達成し(1.46m)、解釈性、適応性、スケーラビリティに優れることを示した。
Stats
提案手法は、WAIR-DデータセットとデプスMIMOデータセットにおいて、平均2乗誤差(MSE)が1.46mと高い位置推定精度を達成した。
提案手法は、従来手法と比べて、60%以上の位置推定誤差が2m以内に収まる高い精度を実現した。