Would Future mmWave Wireless Networks Be an Alternative Positioning Technique to GNSS-Based High Precision Positioning?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
5G small cells have the potential to enable sub-meter positioning accuracy in urban canyons and downtown areas, where global navigation satellite system (GNSS) precise point positioning (PPP) suffers the most. As 5G is expected to have a dense deployment of base stations (BSs), it became imperative to utilize the extra information available by means of sensor fusion. Traditionally, an extended Kalman filter (EKF) is used for such a purpose. Yet, one of its main drawbacks is that it requires a linear relationship between the states and the measurements to ensure its optimality. Many papers in the literature perform multi-BS hybrid positioning through the fusion of raw range-based and angle-based measurements via an EKF. Such measurements are inherently highly non-linear with respect to the estimated position state, which leads to high linearization errors. In this paper, we first propose the integration of the available BSs on the positioning level instead of the integration on the raw measurement level to avoid the linearization errors of the EKF. Additionally, we propose a dynamically tuned covariance matrix (DTCM)-KF method, where the BSs are weighted based on their proximity to the UEs, with BSs further away weighted less. The proposed method was tested using a quasi-real setup based on a highway trajectory in Toronto, Canada, along with a ray-tracing-based 5G simulator. The potential of using the proposed 5G positioning as an alternative to GNSS-based positioning in urban canyons is investigated through the comparison with the GPS PPP. The results show that the proposed method outperforms traditional EKF-based measurements level fusion methods. Moreover, it is able to outperform the GPS-only PPP solution. The RMS, maximum, and 95% errors of the proposed method were found to be 0. 39m, 1.4m, and 0. 74m respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle