基于复数向量余弦相似度KNN和深度度量学习的高精度无源室内定位

作     者：何之源 张志本 沈琼霞 巩江超 王德胜 HE Zhiyuan;ZHANG Ziben;SHENG Qiongxia;GONG Jiangchao;WANG Desheng

作者机构：华中科技大学湖北武汉430074 烽火通信科技股份有限公司湖北武汉430205 

出 版 物：《移动通信》 (Mobile Communications)

年 卷 期：2024年第48卷第8期

页      面：77-84页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：国家自然科学基金“异构无线密集网络高维资源智能部署研究”(62071192) 湖北省重点研发计划项目“6G高维资源智能部署与高效大规模接入关键技术”(2022BAA006) 

主　　题：深度学习 度量学习 无源定位 信道状态信息 机器学习 

摘      要：AI及深度学习的发展为未来6G实现高精度室内定位系统提供了新思路。通过分析CSI数据的物理特性,提出了一种基于复数向量余弦相似度的改进KNN算法,显著提升了无源定位的性能。进一步地,采用度量学习方法,设计了Structured Embedding Loss损失函数,并引入Softmax Structure Loss优化神经网络模型,实现了端到端的高效训练和推理。实验结果表明,这些创新方法显著提高了无源定位的精度和鲁棒性,定位准确率和Macro-F1评分分别达到99.15%和99.1%,为无源定位、无线信号处理等领域提供了新的研究视角和技术路径。