Positioning and Tracking Using Reconfigurable Intelligent Surfaces and Extended Kalman Filter
Notice bibliographique
Résumé
The downlink time-difference-of-arrival (DL-TDOA), which is used for positioning in 3GPP NR, is the time interval that is measured by a user equipment (UE) between the reception of the downlink signals from two different cells. The measurement of the DL-TDOA might be challenging, especially at a cell center, where signals from remote base stations (BSs) are usually very weak. Reconfigurable intelligent Surfaces (RISs) are expected to be part of future communication networks because of their capability to create a smarter controllable radio environment. In this paper, we study whether RIS can replace the function of a remote cell in the DL-TDOA measurement, hence maintaining the localization procedure fully within a single cell. We consider a scenario with one BS and one RIS, and show that the TDOA between the line-of-sight path and the reflected path through the RIS can replace the DL-TDOA measurement in the 3GPP NR recommendations. The DL-TDOA and the time-of-flight measurements between the BS and the UE suffice to accurately localize the UE. The proposed algorithm uses one round trip time (RTT) observation and one TDOA observation in millimeter wave (mmWave) frequencies. We present an extended Kalman filter positioning and tracking algorithm to localize users. Simulation results show that the positioning accuracy of RIS-enabled localization matches that of the two-cell structure while being a cost-effective solution.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».