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
<br/>[0004]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：