A Study of Network-Side 5G User Localization Using Angle-Based Fingerprints
发表时间：
作者：
摘要：
本文探讨了利用5G角度测量产生的指纹进行网络侧蜂窝用户定位的方法。我们的核心思想是基于binning的指纹识别技术，它利用多路径传播来生成基于到达每个用户的多条路径的信号的角度的指纹矢量。在网络仿真中，通过3D建筑几何形状和主要城市的基站位置来重建城市环境，我们基于Binning的5G指纹识别技术比基于信号强度的LTE指纹识别技术，在单个基站上实现更低的定位误差。
蜂窝定位的挑战：
（1）建筑物或其他物体遮挡，蜂窝UE在室内外环境中可能没有来自BS的LOS传输；
（2）UE可能只处于单个BS的范围内；
（3）多径传播使得基于信道接收机的到达角精确估计UE相对于BS的角度变得非常困难。
解决方法：
基于Binning的方法利用多径的到达水平角度和天顶角度，以及接收功率做指纹特征，进行定位。
性能结果：
本算法称为5G-Angle-Binning，与另外两种算法进行性能比较（真实场景）。
5G-Angle-Mean，水平角和天顶角做平均之后，作为特征。
LTE-RSRP，LTE的场强指纹。
基站为LTE和5G毫米波部署双连接蜂窝网络，基站和终端都是8*8天线。
测试一：在轻度遮挡场景（平均多径个数7.5个），单个5G BS或者单个eNodeB对比：
本算法平均误差5.8m，LTE-RSRP平均误差78.2m
测试二：在重度遮挡场景（平均多径个数19个），单个5G BS或者单个eNodeB对比：
测试三：在测试二的重度遮挡场景，多个BS的对比：
结论：
单站场景，轻度和重度遮挡场景下，本算法优于LTE的RSRP指纹定位。
多站场景，LTE-RSRP和本算法同时提升。并且两者性能相当。
