Demonstrating the Merits of Integrating Multipath Signals into 5G LoS-Based Positioning Systems for Navigation in Challenging Environments
Notice bibliographique
Résumé
Constrained environments, such as indoor and urban settings, present a significant challenge for accurate moving object positioning due to the diminished line-of-sight (LoS) communication with the wireless anchor used for positioning. The 5th generation new radio (5G NR) millimeter wave (mmWave) spectrum promises high multipath resolvability in the time and angle domains, enabling the utilization of multipath signals for such problems rather than mitigating their effects. This paper investigates the benefits of integrating multipath signals into 5G LoS-based positioning systems with onboard motion sensors (OBMS). We provide a comprehensive analysis of the positioning system’s performance in various conditions of erroneous 5G measurements and outage scenarios, which offers insights into the system’s behavior in challenging environments. To validate our approach, we conducted a road test in downtown Toronto, utilizing actual OBMS measurements gathered from sensors installed in the test vehicle. The results indicate that utilization of multipath signals for wireless positioning operating in multipath-rich environments (e.g. urban and indoor) can bridge 5G LoS signal outages, thus enhancing the reliability and accuracy of the positioning solution. The redundant measurements obtained from the multipath signals can enhance the system’s robustness, particularly when low-cost 5G receivers with a limited angle or range measurements are present. This holds true even when only considering the utilization of single-bounce reflections (SBRs).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».