基于资源调度和深度学习的5G多用户定位

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。