Hardware-Aware Joint Localization-Synchronization and Tracking Using Reconfigurable Intelligent Surfaces in 5G and Beyond
Notice bibliographique
Résumé
This work investigates joint localization-synchronization and tracking in 5G and beyond. In particular, we target realistic circumstances where the theoretical assumptions of a perfect synchronous system and ideal transceivers no longer exist. We take a close look at the multiple-input single-output (MISO) millimeter-wave (mmwave) system that employs the orthogonal frequency-division multiplexing (OFDM), with the existence of the reconfigurable intelligent surface (RIS). Given the known positions of the RIS and the base station (BS), the single antenna mobile station (MS) can estimate its position and jointly synchronize itself with the multiple antennas BS. This can be accomplished using a maximum likelihood estimator (MLE) whose cost function accounts for the transceivers’ hardware impairments (HWIs). In our tracking scenario, the Kalman filter based tracker (KFT) follows the MLE by paying attention to HWIs-driven accuracy degradation. We then present the theoretical bounds of the tracking accuracy, expressed in terms of the Bayesian Cramer-Rao bound (BCRB). Finally, we conduct computer simulations to demonstrate the adverse deterioration in the joint localization-synchronization process accuracy as well as the accuracy of tracking due to the HWIs.
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».