研究人员开发了一个用于基于到达角（AoA）的室外定位的自适应框架，这对于智能交通和智慧城市等应用至关重要。该框架提供了两种学习策略：一种用于使用分层离线学习的大型数据集，另一种用于使用在线和少样本学习技术的小型数据集。该方法旨在逐步实现高精度和鲁棒的定位，减少对大量数据收集的需求。 AI
影响 该自适应框架可以提高5G/6G网络中的定位精度，造福自动驾驶汽车和智能工厂等应用。
排序理由 这是一篇发表在arXiv上的研究论文，详细介绍了一个用于基于AoA的定位的新框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.05055v1 Announce Type: new Abstract: Localization in 5G and 6G networks is essential for important use cases such as intelligent transportation, smart factories, and smart cities. Although deep learning has enabled improving localization accuracy, depending on the depl…
Localization in 5G and 6G networks is essential for important use cases such as intelligent transportation, smart factories, and smart cities. Although deep learning has enabled improving localization accuracy, depending on the deployment scenario and the effort required for data…