利用信道状态信息在深度神经网络中同时定位和映射的无监督学习制造技术

一种训练人工神经网络(ANN)的方法针对基站与用户设备(UE)之间的射频信号从基站接收信号信息。人工神经网络被训练为基于接收的信号信息并且在没有标记的数据的情况下确定UE的位置并对环境进行映射。的位置并对环境进行映射。的位置并对环境进行映射。

【技术实现步骤摘要】
【国外来华专利技术】利用信道状态信息在深度神经网络中同时定位和映射的无监督学习
[0001]相关申请的交叉引用
[0002]本申请要求于2021年8月30日提交的并且题为“UNSUPERVISED LEARNING FOR SIMULTANEOUS LOCALIZATION AND MAPPING DEEP NEURAL NETWORKS USING CHANNEL STATE INFORMATION”的美国专利申请No.17/461,927的优先权，该申请要求于2020年8月31日提交的并且题为“UNSUPERVISED LEARNING FOR SIMULTANEOUS LOCALIZATION AND MAPPING DEEP NEURAL NETWORKS USING CHANNEL STATE INFORMATION”的美国临时专利申请NO.63/072,821的权益，它们的公开内容通过引用以其全部明确并入。


[0003]本公开内容的方面一般涉及无线通信，并且更具体地涉及用于同时定位和映射的无监督学习的技术和装置。

技术介绍

[0004]无线通信系统被广泛部署以提供诸如电话、视频、数据、消息传递和广播的各种电信服务。典型的无线通信系统可以采用能够通过共享可用系统资源(例如，带宽、发送功率等)来支持与多个用户通信的多址技术。这种多址技术的示例包括码分多址(CDMA)系统、时分多址(TDMA)系统、频分多址(FDMA)系统、正交频分多址(OFDMA)系统、单载波频分多址(SC
‑
FDMA)系统、时分同步码分多址(TD
‑
SCDMA)系统和长期演进(LTE)。LTE/高级LTE是对由第三代合作伙伴计划(3GPP)发布的通用移动电信系统(UMTS)移动标准的增强集。
[0005]无线通信网络可以包括能够支持用于许多用户设备(UE)的通信的许多基站(BS)。用户设备(UE)可以经由下行链路和上行链路与基站(BS)进行通信。下行链路(或前向链路)是指从BS到UE的通信链路，而上行链路(或反向链路)是指从UE到BS的通信链路。如将要更详细地描述，BS可以被称为节点B、gNB、接入点(AP)、无线电头端、发送接收点(TRP)、新无线电(NR)BS、5G节点B等。
[0006]上述多址技术已在各种电信标准中采用，以提供一种使不同的用户设备能够在城市、国家、地区以及甚至全球级别上进行通信的通用协议。新无线电(NR)(也可称为5G)是对由第三代合作伙伴计划(3GPP)发布的LTE移动标准的增强集。NR被设计为通过在下行链路(DL)上使用带有循环前缀(CP)的正交频分复用(OFDM)(CP
‑
OFDM)、在上行链路(UL)上使用CP
‑
OFDM和/或SC
‑
FDM(例如，也称为离散傅里叶变换扩展OFDM(DFT
‑
s
‑
OFDM))以及支持波束成形、多输入多输出(MIMO)天线技术和载波聚合来提高频谱效率、降低成本、改善服务、利用新频谱以及更好地与其他开放标准集成，从而更好地支持移动宽带因特网接入。
[0007]人工神经网络可以包括相互连接的人工神经元组(例如，神经元模型)。人工神经网络可以是计算设备或表示为要由计算设备执行的方法。
[0008]这些神经网络架构用于诸如图像识别、样式识别、语音识别、自主驾驶和其他分类任务的各种技术中。
[0009]定位和环境映射正在成为下一代无线网络和位置感知服务和通信的更基本的部分。如此，下一代无线网络可以利用神经网络和机器学习过程，但这些过程是数据驱动的。不幸的是，这些任务的大部分数据可能没有被标记，因此很难训练这样的人工神经网络。

技术实现思路

[0010]本公开内容分别在独立权利要求中阐述。本公开内容的一些方面描述在从属权利要求中。
[0011]在本公开内容的方面中，一种使用人工神经网络(ANN)进行定位和映射的方法包括：经由ANN针对一个或多个基站与用户设备(UE)之间的射频信号从一个或多个基站接收信号信息。该方法还包括基于信号信息确定UE的位置。
[0012]在本公开内容的其他方面中，一种用于使用人工神经网络(ANN)进行定位和映射的装置包括存储器和耦接到存储器的一个或多个处理器。(一个或多个)处理器被配置为经由ANN针对一个或多个基站与用户设备之间的射频信号从一个或多个基站接收信号信息。(一个或多个)处理器还被配置为基于信号信息确定UE的位置。
[0013]在本公开内容的又一方面中，一种用于训练人工神经网络(ANN)的装置包括用于经由ANN针对一个或多个基站与用户设备之间的射频信号从一个或多个基站接收信号信息的部件。该装置还包括用于基于信号信息确定UE的位置的部件。
[0014]在本公开内容的方面中，提供了一种非暂时性计算机可读介质。计算机可读介质在其上编码了用于训练人工神经网络(ANN)的程序代码。该程序代码由处理器执行并且包括用于经由ANN针对一个或多个基站与用户设备之间的射频信号从一个或多个基站接收信号信息的代码。该程序代码还包括用于训练ANN来基于信号信息确定UE的位置的代码。
[0015]在本公开内容的其他方面中，提供了一种人工神经网络。人工神经网络包括被配置为确定一个或多个用户设备(UE)的位置的编码器。人工神经网络还包括被配置为参数化一个或多个UE的传播环境的解码器。编码器和解码器利用反向传播同时被训练。
[0016]在本公开内容的又一些方面中，一种操作人工神经网络的方法包括从一个或多个参考节点接收射频(RF)信号的传输。该方法还包括从RF信号或从RF信号导出的信号信息推断。RF信号传输的接收器的位置是相对于参考节点的。
[0017]方面通常包括如参考附图和说明书基本描述的和如附图和说明书所示出的方法、装置、系统、计算机程序产品、非暂时性计算机可读介质、用户设备、基站、无线通信设备和处理系统。
[0018]前文已经相当广泛地概述了根据本公开内容的示例的特征和技术优势，以便可以更好地理解随后的“具体实施方式”。将描述额外的特征和优点。所公开的概念和具体示例可以容易地用作修改或设计用于实现本公开内容的相同目的的其他结构的基础。这种等同结构不脱离所附权利要求书的范围。当结合附图加以考虑时，将会从如下描述中更好地理解所公开的概念的特点(其组织和操作方法两者)以及相关联的优点。附图中的每个附图被提供用于说明和描述的目的，而不是作为权利要求的限定的定义。
附图说明
[0019]为了能够详细地理解本公开内容的特征，可以通过参考各方面进行具体描述，各
方面中一些在附图中示出。然而，要注意，附图仅示出了本公开内容的某些方面，并且因此不认为是对其范围的限制，因为该描述可以承认其他同样有效的方面。不同附图中的相同附图标记可以标识相同或类似的元素。
[0020]图1是根据本公开内容的各个方面的概念性地示出了无线通信网络的示例的框图。
[0021]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种利用人工神经网络(ANN)进行定位和映射的方法，包括：经由所述ANN，针对一个或多个基站与用户设备(UE)之间的射频信号从所述一个或多个基站接收信号信息；以及经由所述ANN来基于所述信号信息确定所述UE的位置。2.根据权利要求1所述的方法，其中，所述信号信息是信道状态信息、飞行时间或到达角。3.根据权利要求1所述的方法，还包括使用反向传播来训练所述ANN。4.根据权利要求1所述的方法，还包括解码所述UE的所述位置来确定所述信号信息的估计。5.根据权利要求1所述的方法，其中，所述信号信息是未标记数据。6.根据权利要求1所述的方法，还包括：基于所述射频信号的反射确定一个或多个虚拟锚点；以及联合学习所述一个或多个虚拟锚点的位置和所述ANN的参数。7.一种利用人工神经网络(ANN)进行定位和映射的方法，包括：经由基站针对一个或多个用户设备(UE)与所述基站之间的射频信号从所述一个或多个UE接收信号信息；以及基于所述信号信息确定所述一个或多个UE的位置。8.根据权利要求7所述的方法，其中，所述信号信息是信道状态信息、飞行时间或到达角。9.根据权利要求7所述的方法，还包括使用反向传播来训练所述ANN。10.根据权利要求书7所述的方法，还包括解码所述一个或多个UE的所述位置来确定所述信号信息的估计。11.根据权利要求7所述的方法，其中，所述信号信息是未标记数据。12.根据权利要求7所述的方法，还包括：基于所述射频信号的反射确定一个或多个虚拟锚点；以及联合学习所述一个或多个虚拟锚点的位置和所述ANN的参数。13.一种人工神经网络，包括：编码器，被配置为针对一个或多个用户设备(UE)与基站之间的射频信号...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：高通股份有限公司，
类型：发明
国别省市：