CN115023707A - 确定通信系统中对象的位置 - Google Patents

Abstract

描述了一种装置、方法和计算机程序，包括：将多个已处理信道状态信息数据提供给多输入多输出自动编码器的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与上述用户设备通信的多个通信节点中的一个通信节点之间的通信；以及使用上述自动编码器为用户设备生成坐标码。

Description

确定通信系统中对象的位置

技术领域

本说明书涉及确定通信系统中对象的位置。

背景技术

由于很多原因，可能希望知道设备(诸如用户设备)在空间中的位置(例如，绝对位置或者相对位置)。该领域仍需进一步发展。

发明内容

在第一方面，本说明书描述了一种装置，该装置包括用于执行以下操作的部件：将多个已处理的信道状态信息数据提供给多输入多输出自动编码器(诸如卷积自动编码器)的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与上述用户设备通信的多个通信节点(例如，基站)中的一个通信节点之间的通信；以及使用上述自动编码器为用户设备生成坐标码。例如，自动编码器可以被预训练(例如，使用无监督学习)。

在一些示例实施例中，该部件还被配置为执行：处理上述信道状态信息以生成上述多个已处理的信道状态信息数据。处理上述信道状态信息数据可以包括生成上述信道状态信息数据的矩矩阵(例如，二阶矩矩阵)。备选地或附加地，处理上述信道状态信息数据可以包括对上述数据进行归一化。

在一些示例实施例中，该部件还被配置为提供：确定信道状态信息数据。确定信道状态信息数据可以在相应通信节点中的每个通信节点处执行。

坐标码可以由自动编码器的全连接层提供。

在一些示例实施例中，该部件还被配置为提供：基于多个已处理的信道状态信息数据中的至少一些信道状态信息数据更新上述自动编码器的可训练参数。

上述部件可以包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，至少一个存储器和计算机程序被配置为与至少一个处理器一起引起该装置的操作。

在第二方面，本说明书描述了一种装置，该装置包括用于执行以下操作的部件：将多个已处理的信道状态信息数据提供给多输入多输出卷积自动编码器的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及多个用户设备中的一个用户设备与多个通信节点(例如，基站)中的一个通信节点之间的通信；以及基于多个已处理的信道状态信息数据中的至少一些信道状态信息数据更新上述自动编码器的可训练参数(例如，使用无监督学习)。可训练参数可以周期性地更新。备选地或附加地，可训练参数可以根据性能度量来更新。

在一些示例实施例中，该部件还被配置为执行：处理上述信道状态信息数据以生成上述多个已处理的信道状态信息数据。信道状态信息数据可以通过所生成的矩矩阵和/或对上述数据进行归一化来处理。

在一些示例实施例中，该部件还被配置为提供：确定信道状态信息数据。信道状态信息数据可以在相应通信节点中的每个通信节点处确定。

上述部件可以包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，至少一个存储器和计算机程序被配置为与至少一个处理器一起引起该装置的操作。

在第三方面，本说明书描述了一种方法，该方法包括：将多个已处理的信道状态信息数据提供给多输入多输出自动编码器(诸如卷积自动编码器)的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与上述用户设备通信的多个通信节点(例如，基站)中的一个通信节点之间的通信；以及使用上述自动编码器为用户设备生成坐标码。例如，自动编码器可以被预训练(例如，使用无监督学习)。

一些示例实施例还包括：处理上述信道状态信息以生成上述多个已处理信道状态信息数据。处理上述信道状态信息数据可以包括生成上述信道状态信息数据的矩矩阵(例如，二阶矩矩阵)。备选地或附加地，处理上述信道状态信息数据可以包括对上述数据进行归一化。

一些示例实施例还包括：确定信道状态信息数据。确定信道状态信息数据可以在相应通信节点中的每个通信节点处执行。

一些示例实施例还包括：基于多个已处理信道状态信息数据中的至少一些信道状态信息数据更新上述自动编码器的可训练参数。

在第四方面，本说明书描述了一种方法，该方法包括：将多个已处理的信道状态信息数据提供给多输入多输出卷积自动编码器的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及多个用户设备中的一个用户设备与多个通信节点(例如，基站)中的一个通信节点之间的通信；以及基于多个已处理信道状态信息数据中的至少一些信道状态信息数据更新上述自动编码器的可训练参数(例如，使用无监督学习)。

一些示例实施例还包括：处理上述信道状态信息数据以生成上述多个已处理的信道状态信息数据。信道状态信息数据可以通过所生成的矩矩阵和/或对上述数据进行归一化来处理。

一些示例实施例还包括：确定信道状态信息数据。信道状态信息数据可以在相应通信节点中的每个通信节点处确定。

在第五方面，本说明书描述了一种被配置为执行如参考第三方面或者第四方面描述的任何方法的装置。

在第六方面，本说明书描述了一种在由计算装置执行时引起计算装置执行参考第三方面或者第四方面描述的任何方法的计算机可读指令。

在第七方面，本说明书描述了一种计算机程序，该计算机程序包括用于引起装置至少执行以下操作的指令：将多个已处理信道状态信息数据提供给多输入多输出自动编码器(诸如卷积自动编码器)的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与上述用户设备通信的多个通信节点(例如，基站)中的一个通信节点之间的通信；以及使用上述自动编码器为用户设备生成坐标码。

在第八方面，本说明书描述了一种计算机程序，该计算机程序包括用于引起装置至少执行以下操作的指令：将多个已处理的信道状态信息数据提供给多输入多输出卷积自动编码器的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及多个用户设备中的一个用户设备与多个通信节点(例如，基站)中的一个通信节点之间的通信；以及基于多个已处理的信道状态信息数据中的至少一些信道状态信息数据更新上述自动编码器的可训练参数(例如，使用无监督学习)。

在第九方面，本说明书描述了一种计算机可读介质(诸如非暂态计算机可读介质)，该计算机可读介质包括存储在其上的程序指令，该程序指令用于执行至少以下操作：将多个已处理的信道状态信息数据提供给多输入多输出自动编码器(诸如卷积自动编码器)的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与上述用户设备通信的多个通信节点(例如，基站)中的一个通信节点之间的通信；以及使用上述自动编码器为用户设备生成坐标码。

在第十方面，本说明书描述了一种计算机可读介质(诸如非暂态计算机可读介质)，该计算机可读介质包括存储在其上的程序指令，该程序指令用于执行至少以下操作：将多个已处理的信道状态信息数据提供给多输入多输出卷积自动编码器的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及多个用户设备中的一个用户设备与多个通信节点(例如，基站)中的一个通信节点之间的通信；以及基于多个已处理的信道状态信息数据中的至少一些信道状态信息数据更新上述自动编码器的可训练参数(例如，使用无监督学习)。

在第十一方面，本说明书描述了一种装置，该装置包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，该计算机程序代码在由至少一个处理器执行时引起该装置：将多个已处理的信道状态信息数据提供给多输入多输出自动编码器(诸如卷积自动编码器)的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与上述用户设备通信的多个通信节点(例如，基站)中的一个通信节点之间的通信；以及使用上述自动编码器为用户设备生成坐标码。

在第十一方面，本说明书描述了一种装置，该装置包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，该计算机程序代码在由至少一个处理器执行时引起该装置：将多个已处理的信道状态信息数据提供给多输入多输出卷积自动编码器的单独输入，其中多个信道状态信息数据中的每个信道状态信息数据涉及多个用户设备中的一个用户设备与多个通信节点(例如，基站)中的一个通信节点之间的通信；以及基于多个已处理的信道状态信息数据中的至少一些信道状态信息数据更新上述自动编码器的可训练参数(例如，使用无监督学习)。

在第十三方面，本说明书描述了一种装置，该装置包括：用于将多个已处理的信道状态信息数据提供给多输入多输出自动编码器(诸如卷积自动编码器)的单独输入的部件(诸如第一处理器)，其中多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与上述用户设备通信的多个通信节点(例如，基站)中的一个通信节点之间的通信；以及用于使用上述自动编码器为用户设备生成坐标码的部件(诸如自动编码器或机器学习模块)。

在第十四方面，本说明书描述了一种装置，该装置包括：用于将多个已处理的信道状态信息数据提供给多输入多输出卷积自动编码器的单独输入的部件(诸如第一处理器)，其中多个信道状态信息数据中的每个信道状态信息数据涉及多个用户设备中的一个用户设备与多个通信节点(例如，基站)中的一个通信节点之间的通信；以及用于基于多个已处理的信道状态信息数据中的至少一些信道状态信息数据更新上述自动编码器的可训练参数(例如，使用无监督学习)的部件(诸如控制模块)。

附图说明

现在将参考以下示意图通过非限制性示例的方式描述示例实施例，在附图中：

图1和图2是根据示例实施例的系统的框图；

图3是示出根据示例实施例的算法的流程图；

图4是根据示例实施例的系统的框图；

图5是示出根据示例实施例的算法的流程图；

图6是根据示例实施例的自动编码器的框图；

图7是示出根据示例实施例的算法的流程图；

图8是可以在一些示例实施例中使用的神经网络的框图；

图9是根据示例实施例的系统的组件的框图；以及

图10A和图10B示出了存储计算机可读代码的有形介质，分别是可移动存储器单元和光盘(CD)，该计算机可读代码在由计算机运行时执行根据实施例的操作。

具体实施方式

本发明的各种实施例所寻求的保护范围由独立权利要求规定。说明书中所描述的不属于独立权利要求的范围的实施例和特征(如果有的话)将被解释为对理解本发明的各种实施例有用的示例。

在说明书和附图中，相同的附图标记自始至终指代相同的元素。

图1是根据示例实施例的系统的框图，该系统总体上由附图标记10指示。系统10包括用户设备12、第一基站14、第二基站15、第三基站16和处理器18。处理器18可以形成通信系统的一部分。

由于很多原因，可能希望知道用户设备12的位置，无论是绝对的还是相对的(例如，相对于基站14至16中的一个或多个的位置、或者相对于其他用户设备的位置)。应当注意，虽然本文中所描述的实施例总体上涉及用户设备和基站，但是这些原理可以应用于与任何合适的通信节点进行通信的任何设备。

对于很多应用，用户设备的绝对物理位置不是必需的，而只需要相对定位信息(例如，不同用户设备之间的位置关系)。这样的应用的示例包括地理围栏、用户聚类、用户跟踪、网络规划、语义定位、小区切换等。

基站14至16的每个基站可以收集信道状态信息(CSI)测量以用于用户设备12与相应基站之间的通信。在很多通信系统中，这样的CSI数据很容易获取。例如，考虑5G系统，其中1024个用户设备(UE)在上行链路上与基站(例如，gNodeB)通信，并且信号也被附近的七个其他基站(或者被七个专用位置测量单元)接收。CSI信息可以按用户、天线链路和按子载波来获取。例如，对于由8个基站和1024个用户组成的这样的5G蜂窝网络，其中每个基站具有32个天线和128个子载波，CSI的维度将为8×1024×32×128＝33,554,432。

这样的CSI数据的丰富性提供了有关网络状态的丰富信息，诸如设备的空间分布和轨迹，这些信息对于准确定位很有用。另一方面，海量的CSI数据会给数据处理带来挑战。

图2是根据示例实施例的用于提供用户设备的位置估计的系统20的框图。系统20包括用于接收信道状态数据(诸如信道状态信息)的输入和用于提供位置数据的输出。例如，系统20可以被提供作为上述系统10的处理器18的一部分。在接收到与设备(诸如用户设备12)与基站14至16中的每个基站之间的通信有关的信道状态数据时，系统20寻求提供对该设备的位置的估计。

如下文详细描述的，系统20可以包括自动编码器。自动编码器是神经网络，该神经网络能够学习输入数据或者“码”的高效表示，通常无需监督。向网络添加约束(例如，限制内部表示的大小(即，码的维度))可以用于强制自动编码器学习表示数据的高效方式。在相对定位问题中，我们可以将最终码的维度限制为2(用于2D定位)或者3(用于3D定位)，使得码表示低维表示空间中的相对位置。因此，在一些示例实施例中，可以假定，如果两个设备在物理空间中接近，则它们的码(从CSI学习的)将在低维表示空间中接近，反之亦然。注意，自动编码器包括两部分(编码器和解码器)。在训练自动编码器之后，我们只需要编码器用于定位目的(解码器可以用于其他应用，例如，对具有已知位置的用户进行CSI预测)。在一些示例实施例中，系统20可以仅包括自动编码器的编码器部分。

图3是示出根据示例实施例的算法的流程图，该算法总体上由附图标记30指示。

算法30开始于操作32，其中确定信道状态信息(CSI)数据。在操作34，可以以某种方式预处理CSI数据以生成多个已处理信道状态信息数据(例如，通过生成矩矩阵和/或对数据进行归一化，如下文详细讨论的)。

例如，可以从上述系统10的第一基站14至第三基站16中的每个基站获取与用户设备12相关的CSI数据，从而确定多个信道状态数据，其中多个信道状态信息数据中的每个信道状态信息数据涉及用户设备12和与相应用户设备通信的多个基站中的一个基站之间的通信。

在操作36，将多个已处理的信道状态信息数据提供给多输入多输出(MIMO)自动编码器(AE)的单独输入。在操作38，使用MIMO自动编码器为用户设备生成坐标码。如下文进一步讨论的，坐标码与该设备的位置有关。例如，已处理的CSI数据可以提供给系统20，该系统以上述坐标码的形式生成位置数据。

图4是根据示例实施例的系统的框图，该系统总体上由附图标记40指示。系统40可以用于实现上述算法30。

系统40包括上述系统10的用户设备12、第一基站14和第三基站16。第一基站14和第三基站16是多个通信节点中可以与用户设备12通信(并且还可以与很多其他用户设备(未示出)通信)的两个通信节点。系统40还包括上述用于提供用户设备12的位置的估计的系统20。

用户装置12传输在多个基站(包括系统40中所示的第一基站14和第三基站16)处接收的信号。在每个基站处，接收信号被处理以估计CSI。

第一基站14包括总体上由附图标记41a指示的天线阵列、和处理器42a。类似地，第三基站16包括天线阵列41b和处理器42b。

处理器42a和42b(以及多个基站中的其他基站处的类似处理器)根据CSI估计生成矩矩阵。矩矩阵作为一组数据44(例如，使用标准化协议)被传输给系统20。

系统20包括第一处理器46a、第二处理器46b和MIMO自动编码器48。

在系统20处，数据44的矩矩阵由第一处理器46a和第二处理器46b归一化以生成归一化矩矩阵。当然，可以提供另外的处理器来归一化来自其他基站的数据。此外，不必提供单独的处理器来归一化与每个基站相关的矩矩阵。

处理器46a和46b的输出作为输入提供给MIMO自动编码器48。

自动编码器48包括第一卷积层50、第一组全连接(FC)层51、第二组全连接(FC)层52和第一去卷积层54。第一卷积层50和第一FC层51形成自动编码器48的编码器部分。类似地，第二FC层52和第一去卷积层54形成自动编码器48的解码器部分。自动编码器被训练(并且可以被预训练)，使得第一去卷积层54的输出匹配(或者紧密匹配)第一卷积层51的输入。

用户设备12的坐标码可以从由自动编码器48的编码器部分的第一全连接(FC)层51产生的已学习潜在码中提取。随后的解码器层用于训练卷积自动编码器，但在定位过程(即，推理)中未使用。因此，在系统40的示例实现中，自动编码器的解码器部分可以省略(并且因此这些部分在系统40中以虚线形式示出)。

因此，MIMO自动编码器48的编码器部分可以用于将矩矩阵(从CSI生成的)映射到任意坐标系(例如，其可以是二维或者三维的)中对应设备(码)的坐标。尽管这样的设备坐标码不一定与任何物理坐标系统一致，但自动编码器48的训练试图保持在真实世界系统中在物理上接近的两个设备将具有在已学习表示空间中接近的码的这一特性。

因此，本文中所描述的示例实施例寻求包括使用卷积自动编码器技术对原始CSI测量进行简单预处理以融合来自多个基站的CSI测量。

图5是示出根据示例实施例的算法的流程图，该算法总体上由附图标记60指示。算法60是上述算法30的处理操作34的示例实现。

算法60开始于操作62，其中通过处理在通信系统的基站或者通信节点处确定的信道状态信息数据来生成矩矩阵。操作62可以使用上述处理器42a和42b来实现，但这并非对于所有示例实施例来说是必不可少的。例如，操作62可以在系统20处实现，或者可以在其他地方实现(例如，在远程服务器处，诸如在云中)。

在操作64，对矩矩阵进行归一化以生成归一化矩矩阵。操作64可以使用上述处理器46a和46b来实现，但这并非对于所有示例实施例来说是必不可少的。例如，操作64可以在各种基站(或者通信节点)处实现，或者可以在其他地方(例如，在远程服务器处，诸如在云中)实现。

操作64的输出可以提供给MIMO自动编码器48并且用于生成坐标码，如上文参考算法30的操作36和38所讨论的。

上面已经描述了一些示例实施例的细节。下面提供另外的细节，包括数学细节。

考虑具有B个基站(诸如上述基站14、15和16)的无线网络，其中每个基站包括N个天线(诸如天线阵列42a和42b)和M个子载波。假定有U个用户设备(诸如用户设备12)并且每个用户设备具有单个天线。

如上所述，在算法30的操作32处，确定CSI数据。这可以在每个时隙t通过每个基站b∈{1，2，...，B}基于对应接收数据提取第u用户设备的CSI矩阵

来实现。

在操作34处，预处理CSI数据。如上所述，预处理可以具有两个部分：计算矩矩阵(算法60的操作62)和对矩矩阵进行归一化(算法60的操作64)。

在一个示例实现中，计算矩矩阵包括为每个基站的CSI测量计算二阶统计矩，例如：

其中T是时隙数，其可以取较小的值(例如，10或更小)。

对矩矩阵进行归一化可以涉及对导出的CSI矩进行归一化，以确保输入幅度在-1到1之间，即：

其中H是

的集合矩阵，

并且

即：

操作

和|.|分别取输入矩阵的逐项实部、虚部和绝对值，

取输入矩阵的最大项。

图6是根据示例实施例的自动编码器的框图，该自动编码器总体上由附图标记70指示。自动编码器70是卷积编码器并且是自动编码器48在具有四个基站(即，B＝4)的系统中的示例实现，每个基站具有16个天线。

自动编码器70包括第一卷积层72(类似于自动编码器48的第一卷积层50)、第一去卷积层73(类似于自动编码器48的第一去卷积层54)和全连接(FC)层74(类似自动编码器48的第一FC层51和第二FC层52的组合)。

在本示例中，在(操作34的)预处理步骤完成之后，每个输入矩阵具有的固定大小16×16×2。这里，信道数等于2，因为归一化CSI矩具有实部和虚部两者(即，CSI矩的实部和虚部被馈送到两个不同信道中)。

在自动编码器70中，“Conv-X”是指具有X个输出滤波器的2D卷积层，“ConvT-X”是指具有X个输出滤波器的2D去卷积层，“FC-X”是指具有X个神经元的全连接层。

在自动编码器70中，FC层74包括全连接FC-2层77，全连接FC-2层77输出用作相关用户设备的相对位置信息的坐标码。

在自动编码器70的FC层74中还感兴趣的是添加层76，添加层76融合了第一卷积层72的信道的输出。

在示例实现中，在第一卷积层72和第一去卷积层73中，滤波器大小为2×2，步幅设置为1，并且使用有效填充。最大池化在2×2窗口上执行，步幅为1。对于上采样层，上采样因子对于行和列都等于2。自动编码器70中的“重塑”层将输入重塑为大小为5×5×5的张量。关于非线性激活，第一隐藏层和最后隐藏层使用tanh，并且所有其他层使用ReLU。用W_fc2表示“FC-2”层77中的可训练权重，在训练期间使用的损失函数定义为：

当然，自动编码器70的很多替代实现是可能的并且对于本领域普通技术人员将是很清楚的。

自动编码器70可以用于实现一种解决方案，在该解决方案中，来自多个基站的CSI数据可以被考虑用于为与多个基站通信的用户设备生成位置信息(例如，相对位置信息或者坐标码)。自动编码器70的卷积神经网络(CNN)结构用于利用CSI测量的底层局部结构。提出了相对简单的预处理步骤来预处理原始CSI测量。此外，如下所述，端到端训练可以用于训练自动编码器70以获取高性能。

图7是示出根据示例实施例的算法的流程图，该算法总体上由附图标记90指示。

算法90开始于操作92，其中确定信道状态信息(CSI)数据(并且因此类似于上述操作32)。在操作94处(类似于上述操作34)，可以以某种方式预处理CSI数据以生成多个已处理的信道状态信息数据(例如，通过生成矩矩阵和/或对数据进行归一化，如上面详细讨论的)。

在操作96，将多个已处理信道状态信息数据提供给多输入多输出自动编码器的单独输入，诸如上述自动编码器48和70。在操作98，通过基于多个已处理的信道状态信息数据中的至少一些信道状态信息数据更新上述自动编码器的可训练参数来训练MIMO自动编码器。

自动编码器的可训练参数可以周期性地更新。自动编码器的可训练参数可以根据性能度量(诸如损失函数)进行更新。

图8是可以在一些示例实施例中使用的神经网络的框图，该神经网络总体上由附图标记100指示。例如，自动编码器48和70的一部分可以是机器学习模型，该机器学习模型可以使用诸如神经网络100等神经网络来实现。

神经网络100包括输入层101、一个或多个隐藏层102、和输出层103。在神经网络100的使用期间，在输入层101处，可以接收诸如(已处理的)信道状态数据等输入。隐藏层102可以包括多个隐藏节点，其中处理可以基于接收输入(例如，信道状态数据)来执行。在输出层103处，可以提供与输入相关的一个或多个输出(例如，位置数据)。

可以在使用期间训练神经网络100，使得自动编码器的输出与输入相匹配。神经网络100可以离线训练(例如，在开始模型使用之前进行预训练)和/或可以在线训练(例如，训练可以在使用中继续，并且神经网络100可以基于新数据进行更新)。

本文中描述的自动编码器可以是云实现的自动编码器(例如，LTE网络中的演进型服务移动定位中心或者E-SMLC)。在训练实现这样的自动编码器的深度神经网络时，多个基站从不同用户收集原始CSI测量。上述预处理操作(例如，操作34、62、64或94)可以在基站处本地或者在其他地方(诸如在云中)实现。对于本地实现的预处理，数据传输通常需要较少带宽，但可能需要标准化，因为从基站传输到云的数据不再是原始CSI测量，而是CSI矩矩阵(该矩阵可以被归一化)。对于云实现的预处理，在对所有原始CSI测量进行预处理之后，将预处理后的数据馈送到神经网络中以进行训练。

在训练期间，神经网络试图将自动编码器的输入复制到输出。因此，训练不需要用户设备位置上的基本事实标签。因此，可以实现无监督学习。当损失函数(诸如上面的等式(4)中给出的损失函数)低于定义阈值时，训练可以结束。

自动编码器的已训练神经网络权重可以存储在云中以供将来使用。如上所述的训练阶段(例如，算法90)可以周期性地(例如，每隔几小时或者每隔几天)被调用，例如，在周围环境显著变化的情况下。用于调用进一步训练的其他布置也是可能的。例如，如果基站与具有固定位置的一个或多个专用信标之间的CSI数据发生显著变化，这可能表明环境发生了变化，从而触发训练的更新。

如上所述，在训练之后，FC-2层的输出可以用作用户设备在已学习表示空间中的相对位置(例如，坐标码)。当估计新用户设备的位置时，预处理后的CSI矩矩阵可以作为输入提供给已训练网络，并且FC-2层的输出用作估计结果。

上述实施例的多种变体是可能的。例如，可以微调自动编码器的超参数，例如隐藏层的数目、每个卷积层中的滤波器数目、滤波器的形状、用于训练的批量大小、每层的激活函数等，以进一步提高性能。

虽然上述实施例涉及相对定位，但本文中所描述的技术可以扩展以用于绝对定位或者无设备感测。例如，如果用户设备的位置中的一些是已知的，则可以经由有监督或者半监督学习方法来学习绝对用户设备位置。

本文中所描述的原理的可能应用非常丰富，包括用户聚类、用户跟踪、网络规划、小区切换、链路自适应、毫米波和太赫兹系统的波束预测、以及其他自动网络无线电资源管理(RRM)功能。

一个特定示例应用是区域内位置验证(IRLV)或者地理围栏。在IRLV任务中，可能需要标识用户设备是否在感兴趣区域(ROI)内。所开发的神经网络可以用来解决这个问题。例如，在收集训练数据时，CSI测量可以在用户设备位于ROI内的情况下收集(注意，对于这些训练数据，我们不需要准确的用户位置，而只需要用户在ROI内)。由于所提出的自动编码器试图将输入复制到其输出，因此在测试阶段，只有具有与训练集相似特征的CSI才会以较小误差被重构。因此，在测试时，在ROI内收集的CSI测量将具有较小重构误差，而在ROI外收集的CSI测量将具有较大重构误差。我们可以为重构误差设置阈值，以估计用户是否在ROI内。

为了完整起见，图9是先前描述的示例实施例中的一个或多个的组件的示意图，该组件在下文中统称为处理系统300。处理系统300例如可以是在以下权利要求中提及的装置。

处理系统300可以包括以下中的一项或多项：处理器302、紧密耦合到处理器并且由RAM 314和ROM 312组成的存储器304、用户输入310(诸如触摸屏输入、硬件键和/或语音输入机制)、以及显示器318(在一些示例实施例中，这些组件中的至少一些可以省略)。处理系统300可以包括一个或多个网络/装置接口308，网络/装置接口308用于到网络/装置的连接，例如，可以是有线或无线的调制解调器。接口308还可以作为与其他装置的连接来操作，诸如不是网络侧装置的设备/装置。因此，无需网络参与的设备/装置之间的直接连接是可能的。

处理器302连接到每个其他组件以便控制其操作。

存储器304可以包括非易失性存储器，诸如硬盘驱动器(HDD)或固态驱动器(SSD)。存储器304的ROM 312尤其存储操作系统315，并且可以存储软件应用316。存储器304的RAM314由处理器302用来临时存储数据。操作系统315可以包含在由处理器执行时实现上述算法30、60和90的方面的代码。注意，在小型设备/装置的情况下，存储器可能最适合小尺寸使用，即，并不总是使用硬盘驱动器(HDD)或固态驱动器(SSD)。存储器304可以包括计算机程序代码，使得至少一个存储器304和计算机程序可以被配置为与至少一个处理器302一起可以引起装置的操作。

处理器302可以采取任何合适的形式。例如，它可以是一个微控制器、多个微控制器、一个处理器或多个处理器。

处理系统300可以是独立计算机、服务器、控制台或其网络。处理系统300和所需要的结构部分可以全部在诸如IoT设备/装置等设备/装置内部，即，嵌入到非常小的尺寸。

在一些示例实施例中，处理系统300还可以与外部软件应用相关联。这些可以是存储在远程服务器设备/装置上的应用，并且可以部分或专门在远程服务器设备/装置上运行。这些应用可以称为云托管应用。处理系统300可以与远程服务器设备/装置通信以便利用存储在那里的软件应用。

图10A和图10B示出了存储计算机可读代码的有形介质，分别是可移动存储器单元365和光盘(CD)368，该计算机可读代码在由计算机运行时可以执行根据上述示例实施例的方法。可移动存储器单元365可以是记忆棒，例如，USB记忆棒，该记忆棒具有存储计算机可读代码的内部存储器366。内部存储器366可以由计算机系统经由连接器367来访问。CD 368可以是CD-ROM或DVD等。可以使用其他形式的有形存储介质。有形介质可以是能够存储可以在设备/装置/网络之间交换的数据/信息的任何设备/装置。

本发明的实施例可以以软件、硬件、应用逻辑、或软件、硬件和应用逻辑的组合来实现。软件、应用逻辑和/或硬件可以驻留在存储器或者任何计算机介质上。在示例实施例中，应用逻辑、软件或者指令集被维护在各种常规计算机可读介质中的任何一种上。在本文档的上下文中，“存储器”或者“计算机可读介质”可以是可以包含、存储、传送、传播或者传输指令以供指令执行系统、装置或者设备(诸如计算机)使用或者与其相结合使用的任何非暂态介质或者装置。

在相关的情况下，对“计算机可读介质”、“计算机程序产品”、“有形地体现的计算机程序”等或者“处理器”或“处理电路系统”等的引用应当理解为不仅包括具有不同架构(诸如单/多处理器架构和定序器/并行架构)的计算机，还包括专用电路，诸如现场可编程门阵列FPGA、应用指定电路ASIC、信号处理设备/装置和其他设备/装置。对计算机程序、指令、代码等的引用应当理解为表示用于可编程处理器固件的软件，诸如作为用于处理器的指令的硬件设备/装置的可编程内容、或者用于固定功能设备/装置、门阵列、可编程逻辑器件/设备等的已配置或配置设置。

如果需要，本文中讨论的不同功能可以以不同顺序和/或彼此同时执行。此外，如果需要，上述功能中的一个或多个可以是可选的或者可以组合。类似地，还将理解，图3、图5和图7的流程图仅是示例，并且其中描述的各种操作可以被省略、重新排序和/或组合。

应当理解，上述示例实施例纯粹是说明性的并且不限制本发明的范围。在阅读本说明书之后，其他变化和修改对于本领域技术人员将是很清楚的。

此外，本申请的公开应当被理解为包括本文中明确或者隐含地公开的任何新颖特征或者任何新颖特征组合或者其任何概括，并且在本申请或者从其衍生的任何申请的实施期间，新的权利要求可以被制定以涵盖任何这样的特征和/或这样的特征的组合。

尽管在独立权利要求中阐述了本发明的各个方面，但是本发明的其他方面包括来自所描述的示例实施例和/或从属权利要求的特征与独立权利要求的特征的其他组合，而不仅仅是权利要求中明确给出的组合。

在此还应当注意，虽然以上描述了各种示例，但这些描述不应当被视为限制性的。相反，在不脱离如所附权利要求中所限定的本发明的范围的情况下，可以进行若干变化和修改。

Claims (19)

1.一种装置，包括用于执行以下操作的部件：

将多个已处理的信道状态信息数据提供给多输入多输出自动编码器的单独输入，其中所述多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与所述用户设备通信的多个通信节点中的一个通信节点之间的通信；以及

使用所述自动编码器为所述用户设备生成坐标码。

2.根据权利要求1所述的装置，其中所述部件还被配置为执行：

处理所述信道状态信息，以生成所述多个已处理的信道状态信息数据。

3.根据权利要求2所述的装置，其中处理所述信道状态信息数据包括：生成所述信道状态信息数据的矩矩阵。

4.根据权利要求2或3所述的装置，其中处理所述信道状态信息数据包括：对所述数据进行归一化。

5.根据前述权利要求中任一项所述的装置，其中所述部件还被配置为提供：

确定所述信道状态信息数据。

6.根据前述权利要求中任一项所述的装置，其中所述自动编码器是卷积自动编码器。

7.根据前述权利要求中任一项所述的装置，其中所述坐标码由所述自动编码器的全连接层提供。

8.根据前述权利要求中任一项所述的装置，其中所述自动编码器被预训练。

9.根据前述权利要求中任一项所述的装置，其中所述部件还被配置为提供：

基于所述多个已处理的信道状态信息数据中的至少一些信道状态信息数据，更新所述自动编码器的可训练参数。

10.一种装置，包括用于执行以下操作的部件：

将多个已处理的信道状态信息数据提供给多输入多输出卷积自动编码器的单独输入，其中所述多个信道状态信息数据中的每个信道状态信息数据涉及多个用户设备中的一个用户设备与多个通信节点中的一个通信节点之间的通信；以及

基于所述多个已处理的信道状态信息数据中的至少一些信道状态信息数据，更新所述自动编码器的可训练参数。

11.根据权利要求10所述的装置，其中所述部件还被配置为执行：

处理所述信道状态信息数据，以生成所述多个已处理的信道状态信息数据。

12.根据权利要求10或11所述的装置，其中所述部件还被配置为提供：

确定所述信道状态信息数据。

13.根据权利要求9至12中任一项所述的装置，其中所述可训练参数被周期性地更新。

14.根据权利要求9至13中任一项所述的装置，其中所述可训练参数根据性能度量来更新。

15.根据前述权利要求中任一项所述的装置，其中所述部件包括：

至少一个处理器；以及

至少一个存储器，包括计算机程序代码，所述至少一个存储器和所述计算机程序被配置为与所述至少一个处理器一起引起所述装置的所述操作。

16.一种方法，包括：

将多个已处理的信道状态信息数据提供给多输入多输出自动编码器的单独输入，其中所述多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与所述用户设备通信的多个通信节点中的一个通信节点之间的通信；以及

使用所述自动编码器为所述用户设备生成坐标码。

17.一种方法，包括：

将多个已处理的信道状态信息数据提供给多输入多输出卷积自动编码器的单独输入，其中所述多个信道状态信息数据中的每个信道状态信息数据涉及多个用户设备中的一个用户设备与多个通信节点中的一个通信节点之间的通信；以及

基于所述多个已处理的信道状态信息数据中的至少一些信道状态信息数据，更新所述自动编码器的可训练参数。

18.一种计算机程序，包括用于引起装置至少执行以下操作的指令：

将多个已处理的信道状态信息数据提供给多输入多输出自动编码器的单独输入，其中所述多个信道状态信息数据中的每个信道状态信息数据涉及用户设备和与所述用户设备通信的多个通信节点中的一个通信节点之间的通信；以及

使用所述自动编码器为所述用户设备生成坐标码。

19.一种计算机程序，包括用于引起装置至少执行以下操作的指令：

将多个已处理的信道状态信息数据提供给多输入多输出卷积自动编码器的单独输入，其中所述多个信道状态信息数据中的每个信道状态信息数据涉及多个用户设备中的一个用户设备与多个通信节点中的一个通信节点之间的通信；以及

基于所述多个已处理的信道状态信息数据中的至少一些信道状态信息数据，更新所述自动编码器的可训练参数。

Images