基于TDoA的自监督信道绘图方法及其在NLoS（非视距）环境下的缓解策略

《IEEE Transactions on Machine Learning in Communications and Networking》：TDoA-Based Self-Supervised Channel Charting with NLoS Mitigation

　　

摘要：

信道绘图（Channel Charting，简称CC）作为一种数据驱动的无线电定位框架，展现出了巨大的潜力。然而，现有的方法往往难以实现全球范围内的应用，并且难以处理非视距（NLoS）条件带来的干扰。在这项研究中，我们提出了一种新的CC方法，该方法利用了信道脉冲响应（Channel Impulse Response，简称CIR）数据，并结合了实际特征，如到达时间差（Time Difference of Arrival，简称TDoA）和传输接收点（Transmission Reception Point，简称TRP）的位置信息，从而实现了基于TDoA的全球范围内的自监督定位功能。该框架还通过短间隔的用户设备（User Equipment，简称UE）位移测量进行了进一步优化，提高了定位功能的连续性和鲁棒性。我们的算法包含了一种机制，用于识别并过滤由NLoS引起的噪声测量数据，从而显著提升了性能。我们在一个真实的5G测试环境中对所提出的模型进行了评估，并将其与基于O-RAN的5G网络中的OpenAirInterface（OAI）软件实现的厘米级精度的实时运动学（Real-Time Kinematic，简称RTK）定位方法进行了对比。实验结果表明，在实际应用场景中，我们的方法优于现有的半监督和自监督CC方法。在90%的情况下，定位精度达到了2至4米，且能够适应不同的NLoS条件。此外，我们还提供了CIR记录的公共数据集以及本文评估中使用的真实位置标签。