典型文献
基于资源调度和深度学习的5G多用户定位
文献摘要：
由于5G通信网络具有结构异常庞大以及干扰情况异常复杂多变的特征,5G的空口资源调度面临着巨大挑战.基站准确获取用户位置不仅是许多应用场景的基本功能需求,还能指导基站在资源调度过程中有意识地规避或者抑制同频干扰,从而进一步提高系统容量.针对传统定位算法存在效率低、计算复杂度高等问题,提出利用介质访问控制(Media Access Control,MAC)层自然产生的资源调度信息作为位置指纹的思路,通过去相关技术构建指纹数据集,并利用深度学习拟合MAC层调度信息与用户位置之间的高度非线性关系,使基站在不产生额外信令开销的情况下实现多用户定位.实验结果表明,所提方法在定位精度为10 m时可以实现90％以上的定位准确率,能够满足5G的定位要求.
文献关键词：
5G;多用户定位;资源调度;深度学习
中图分类号：
作者姓名：
雷继兆;李潇楠;秦浩
作者机构：
中国航天科技集团东方红卫星移动通信有限公司,北京100086;西安电子科技大学 综合业务网国家重点实验室,西安710071
文献出处：
引用格式：
[1]雷继兆;李潇楠;秦浩-.基于资源调度和深度学习的5G多用户定位)[J].电讯技术,2022(04):424-430
A类：
多用户定位
B类：
资源调度,通信网络,结构异常,情况异常,空口,基站,取用,用户位置,多应用场景,基本功能,功能需求,有意识,同频干扰,系统容量,定位算法,计算复杂度,访问控制,Media,Access,Control,MAC,自然产,调度信息,位置指纹,技术构建,高度非线性,非线性关系,信令,开销,定位精度,定位准确率
AB值：
0.392359
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
