毫米波分布式MIMO系统中的定位技术综述：挑战、解决方案与应用前景

《IEEE Access》：A Survey on Positioning for mmWave Distributed MIMO Systems: Challenges, Solution Techniques, and Applications

本文针对下一代无线网络中毫米波分布式MIMO系统面临的定位精度不足、波束对准困难等关键问题，系统梳理了基于时间(ToA/TDoA)、角度(AoA)和指纹识别等传统定位技术，重点分析了定位辅助波束成形(PA-BF)在非视距(NLoS)环境下的创新应用。研究表明，通过机器学习与混合定位技术的融合，可实现厘米级定位精度和毫秒级延迟，为6G网络在智能交通、工业自动化等领域的应用提供重要技术支撑。

　　

随着第五代(5G)和第六代(6G)无线通信技术的快速发展，智能交通、工业自动化和扩展现实(XR)等新兴应用对高精度定位和可靠通信提出了前所未有的需求。特别是在密集城市环境中，建筑物遮挡导致的非视距(NLoS)传播、高速移动带来的多普勒效应以及密集网络部署产生的干扰，使得传统定位技术难以满足厘米级精度和毫秒级延迟的要求。毫米波(mmWave)频段(30-300 GHz)因其大带宽和窄波束特性，为高精度定位提供了新的可能，但当其与分布式多输入多输出(D-MIMO)系统结合时，如何实现高效的定位辅助波束成形(PA-BF)仍是一个亟待解决的问题。

为解决上述挑战，Mohd Adnan等研究人员在《IEEE Access》上发表了题为"A Survey on Positioning for mmWave Distributed MIMO Systems"的综述文章。该研究通过系统分析传统定位技术局限性，创新性地提出了将实时定位信息与波束成形相结合的技术路线。研究团队采用多学科交叉方法，重点整合了基于时间差(TDoA)、到达角(AoA)的几何定位技术与机器学习驱动的指纹识别技术，并引入雷达图量化分析工具，对七种主流定位技术的精度、成本、实时性等指标进行多维评估。

关键技术方法包括：1)基于克拉美-罗界(CRLB)的定位误差理论分析框架；2)针对高移动性场景设计的卡尔曼滤波跟踪算法；3)融合GPS与惯性测量单元(IMU)的传感器融合技术；4)支持分布式架构的协作多点定位机制。特别值得关注的是，研究团队建立了包含110,000个城市场景样本的射线追踪数据库，为算法验证提供真实环境数据支撑。

定位技术性能比较研究

通过建立标准化评估体系，研究发现传统时间定位技术(ToA/TDoA)在视距(LoS)环境下可实现厘米级精度，但对同步要求极高（误差≤3 ns），而非视距环境会使误差增大3-5倍。角度定位技术(AoA/AoD)虽无需严格同步，但受天线阵列尺寸限制，在远距离场景下精度降至米级。研究首次通过雷达图可视化分析揭示，指纹识别技术在NLoS环境下具有最佳鲁棒性，但需要建立超过10GB/km2的信号地图数据库。

分布式架构优化方案

针对D-MIMO系统特性，研究提出基于用户中心(UC)的协作定位机制。通过相位同步的多接入点(AP)协同测量，使定位误差界(PEB)降低至传统系统的1/√N（N为AP数量）。实验数据显示，在4AP配置下，基于高斯过程回归(GPR)的定位算法可实现0.8米的均方根误差(RMSE)，较单AP系统提升约60%。

毫米波波束成形创新

研究重点分析了28GHz和73GHz频段的波束管理策略。通过位置辅助的波束训练(PA-BT)算法，将波束搜索时间从传统穷举搜索的2.1s缩短至0.3s。特别在高速铁路场景中，基于位置预测的混合波束成形(HBF)技术使中断概率降低至10?3以下，较传统方法改善两个数量级。

应用场景验证

在智能医疗场景测试中，融合超宽带(UWB)与波束成形的系统实现0.5米定位精度，满足99.7%的医疗设备追踪需求。而针对工业物联网(IIoT)设计的频跳定位方案，在保证亚米级精度的同时，将设备复杂度降低40%。

研究结论表明，通过定位与通信的深度耦合，毫米波D-MIMO系统在6G网络中将发挥关键作用。特别是在智能交通领域，基于实时位置的波束预测可使车辆通信中断率降低至5%以下。讨论部分指出，未来研究需重点解决多智能体强化学习(MARL)在动态环境下的泛化能力，以及可重构智能表面(RIS)与定位系统的频谱共享问题。这项研究为第六代移动通信系统的高精度定位标准制定提供了重要理论依据和技术路线图。