基于生成对抗网络的毫米波通信系统联合映射与定位技术

《Sensors》：Generative Adversarial Network-Based Joint Mapping and Localization for Millimeter-Wave Communication Systems

　　

摘要

本文提出了一种基于生成对抗网络（GAN）的新的联合定位与绘图（JLAM）方法，该方法利用角度到达差（ADOA）测量数据，适用于毫米波（mmWave）通信系统。该算法将深度自编码器神经网络作为GAN的判别器，而将生成器建模为接入点（AP）位置与移动终端（MT）位置的显式几何ADOA函数，而非传统的黑盒神经网络。通过分析在大量随机且未知的MT位置收集到的高维ADOA向量的二维分布特征，该方法能够学习ADOA数据分布，并将其转换为AP的几何拓扑结构。随后，根据恢复得到的物理及虚拟AP拓扑结构来估算MT位置及室内地图。仿真结果表明，在具有个ADOA向量测量值以及的AOA测量噪声的典型条件下，该方法的平均定位误差约为0.25米，而JADE算法的误差约为0.60米，误差降低了大约。此外，该方法还能比JADE更精确地估算房间边界，从而证明了其在毫米波JLAM应用中的有效性。