【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、本公开的各方面涉及使用机器学习来估计设备或对象在三维环境中的位置。
2、位置估计可用于多种应用中。例如，设备可以将三维自我定位技术用于位置估计，该三维自我定位技术可以允许设备从第一人称视角(例如，从设备本身的角度)确定其自身在空间环境中的位置。三维自我定位还可允许从第三人称视角(例如，通过其观察对象的视角)确定对象在三维空间中的位置。在另一示例中，可以执行位置估计以标识穿过环境的对象的位置，诸如标识在人走过环境时对无线信号造成扰动的人的位置。可以在位置估计中使用各种类型的数据以便确定(或预测)设备在空间环境中的位置。例如，从无线信道测量导出的信息可用于预测设备的位置，并且所得位置估计可用于帮助标识用于无线通信系统中的后续传输的各种参数，诸如在网络实体(诸如基站)与用户装备之间的通信中使用的一个或多个定向波束，以标识要应用以允许信号处理中的方向性的波束成形模式等。在另一示例中，可以使用一系列图像来预测设备在三维空间中的位置。
3、各种技术可用于空间环境中的位置估计。例如，使用标记数据使用监督学习技术...
【技术保护点】
1.一种用于训练用于预测对象在多平面空间环境中的位置的机器学习模型的计算机实现的方法，包括：
2.根据权利要求1所述的方法，其中所述场景数据包括空间环境的一个或多个图像。
3.根据权利要求1所述的方法，其中所述场景数据包括功率密度图，所述功率密度图与随时间获得的信道状态信息(CSI)测量相关联。
4.根据权利要求1所述的方法，其中所述一个或多个评判模型包括：第一评判模型，所述第一评判模型被配置为促进由所述生成器模型生成的所述一个或多个多维空间中的点的共面性；以及第二评判模型，所述第二评判模型被配置为在所述生成器模型的输出之间实施粒度
5....
【技术特征摘要】
【国外来华专利技术】
1.一种用于训练用于预测对象在多平面空间环境中的位置的机器学习模型的计算机实现的方法，包括：
2.根据权利要求1所述的方法，其中所述场景数据包括空间环境的一个或多个图像。
3.根据权利要求1所述的方法，其中所述场景数据包括功率密度图，所述功率密度图与随时间获得的信道状态信息(csi)测量相关联。
4.根据权利要求1所述的方法，其中所述一个或多个评判模型包括：第一评判模型，所述第一评判模型被配置为促进由所述生成器模型生成的所述一个或多个多维空间中的点的共面性；以及第二评判模型，所述第二评判模型被配置为在所述生成器模型的输出之间实施粒度。
5.根据权利要求4所述的方法，其中所述第一评判模型被配置为基于沿着所述一个或多个多维空间中的每个平面的内点的数量来选择所述一个或多个多维空间中的平面的最佳假设，以用于场景数据的输入。
6.根据权利要求4所述的方法，其中所述第一评判模型生成吸引力和排斥力以应用于所述一个或多个多维空间中的映射数据。
7.根据权利要求4所述的方法，其中所述第二评判模型被配置为使空间环境中的相邻集群之间的损失最小化。
8.根据权利要求1所述的方法，还包括基于场景流约束项来训练所述生成器模型和所述一个或多个评判模型，所述场景流约束项的值随着从初始时间点的时间偏移而增加。
9.根据权利要求1所述的方法，其中所述一个或多个多维空间包括三维空间和128维空间。
10.一种用于预测对象在多平面空间环境中的位置的计算机实现的方法，包括：
11.根据权利要求10所述的方法，还包括基于所述场景数据被映射到的所述一个或多个多维空间中的所述点来预测所接收的场景数据所在的所述一个或多个多维空间中的平面上的位置。
12.根据权利要求10所述的方法，其中所述场景数据包括空间环境的一个或多个图像。
13.根据权利要求10所述的方法，其中所述场景数据包括功率密度图，所述功率密度图与随时间获得的信道状态信息(csi)测量相关联。
14.根据权利要求10所述的方法，其中所述梯度包括将所述一个或多个多维空间中的共面点推动到同一平面上的吸引力项和将位于所述一个或多个多维空间中的不同平面上的点推离彼此的排斥力。
15.根据权利要求10所述的方法，其中所述梯度包括空间环境中的相邻集群之间的最小化损失。
16.根据...
【专利技术属性】
技术研发人员：H·阿克曼，I·卡尔马诺夫，F·哈兹维尼安·赞贾尼，D·H·F·德克曼，F·M·波利克里，
申请(专利权)人：高通股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。