基于无线信道状态大数据与机器学习的移动位置信息获取方法研究

Accurate and ubiquitous mobile localization services are indispensable in building a smart city. Current mobile localization techniques in wireless networks suffer from problems including discontinuous localization coverage, unsteadiness and high operational and maintenance cost. Such problems prevent them to meet with the localization requirements in future location-based applications. Driven by the big data of wireless channel state information (CSI) produced by future 5G cellular radio access networks (RANs), we consider a new mobile localization solution in which the network side can acquire the location information of the mobile devices. First, the project will design a communication-localization-computation integrated system architecture, to support the proposed cellular localization method based on big data of CSI and machine learning algorithms. Second, to exploit the potentials of 5G massive MIMO, ultra-broadband and ultra-dense network technologies in mobile positioning, we will design proper device-location-related channel feature extraction techniques, multiple-base-station channel feature fusion techniques and channel feature similarity metrics. Third, we will design efficient unsupervised and semi-supervised machine learning methods suitable for the big data of RAN CSI, to automatically learn the mobile location information hidden inside the big data of RAN CSI.

精准无缝的移动位置信息服务技术是建设智慧城市的重要支撑，但现有无线网络移动定位技术还存在覆盖范围不连续、定位精度不稳定、维护成本高等问题，难以满足未来各种新兴应用对位置服务的需求。为此，本项目以5G蜂窝网运行中产生的无线信道状态大数据为驱动，研究从网络端获取移动设备位置信息的移动定位新方法。研究内容包括：1）设计通信定位计算一体化系统架构，为基于信道状态大数据和机器学习的移动定位方法提供支撑；2）研究复杂射频环境下与移动端位置相关的信道特征提取，多基站信道特征融合及信道特征相似度度量方法，以充分挖掘5G大规模MIMO、超宽带和密集组网技术在实现精准无缝定位中的潜能；3）研究适用于从信道状态大数据中挖掘移动位置信息的高效的非监督、弱监督机器学习算法，实现从网络端自动获取移动设备位置信息。

针对现有无线网络移动定位技术还存在覆盖范围不连续，定位精度不稳定，维护成本高，难以满足未来各种新兴应用对位置服务的需求的问题，本项目以5G蜂窝网运行中产生的无线信道状态大数据为驱动，研究从网络端获取移动设备位置信息的移动定位新方法。研究设计了通信定位计算一体化系统架构，为基于信道状态大数据和机器学习的移动定位方法提供支撑，研究了复杂射频环境下与移动端位置相关的信道特征提取方法，多基站信道特征融合及信道特征相似度度量方法，研究了适用于从信道状态大数据中挖掘移动位置信息的高效的非监督、弱监督机器学习算法，可实现从网络端自动获取移动设备位置信息。基于仿真信道数据和实测信道数据的性能测试表明，所提出的算法可显著降低数据标注要求，可处理非理想硬件因素，不需要严格的网络同步；在典型城市和居民区场景下，可达到米级定位精度。项目发表学术论文7篇，申请专利3项，开源软件1项。