.png){kind=icon}
返回
Environment-Aware Generalized Wireless Localization via Transformer
.png){kind=icon}
PRE
AI
DOI：10.1109/jiot.2026.3717998.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无线定位有望在未来通信系统中发挥关键作用，通过提供位置感知服务和支持高效网络运行。然而，现有的基于深度学习（DL）的定位方法在部署环境变化时通常表现出有限的泛化能力，因为它们倾向于学习环境特定的传播模式。为解决此问题，本文提出了一种环境感知的通用无线定位框架，该框架联合利用无线信道、基站（BS）几何信息和环境信息。不规则城市结构通过基于体素（voxel-based）的占用图表示，能够显式建模影响无线电传播的环境因素。开发了一种基于Transformer的架构，以全面处理无线信道、网络节点几何信息和环境信息，从而捕捉信道观测与周围城市结构之间的相互作用。此外，所提出的框架估计置信度图而非直接回归用户设备（UE）坐标，这提高了在传播条件模糊情况下的鲁棒性。为支持训练和评估，我们还开发了一个城市环境生成器和基于射线追踪（ray tracing）的信道仿真器，它们产生大规模数据集，确保信道与三维环境之间物理上的一致对齐。该框架能够在先前未见的城市环境中实现系统性评估和鲁棒定位。
Keyword:
Artificial intelligence (AI)-radio access network (RAN)
environment-aware learning
generalization
ray tracing
wireless localization
