Исследователи представили метод локализации пользовательских устройств в сетях 6G, использующий реконфигурируемые интеллектуальные поверхности (RIS) и машинное обучение. Новый подход на основе «отпечатков» в лучевом домене позволяет определять местоположение абонента даже при отсутствии прямой видимости между базовой станцией и устройством, эффективно решая проблему помех от перекрестных связей в миллиметровом диапазоне.
Технология опирается на картографирование отношения сигнал-шум (SNR) через набор предопределенных конфигураций RIS. Использование машинного обучения позволяет системе интерпретировать сложные паттерны распространения сигналов в условиях высокой плотности помех, характерных для перспективных сетей шестого поколения. Это критически важно для управления лучами, так как точное позиционирование напрямую влияет на стабильность и пропускную способность соединения в mmWave-диапазоне.
Разработанный фреймворк минимизирует вычислительные затраты за счет использования ограниченного набора сигнатурных данных, что делает его пригодным для интеграции в инфраструктуру будущих беспроводных систем. Метод демонстрирует устойчивость к интерференции, возникающей при работе нескольких активных элементов поверхности, что является значимым шагом в развитии технологий пространственного мультиплексирования и адаптивного формирования луча.
Ключевые факты
- Разработан метод локализации для сетей 6G, работающих в миллиметровом диапазоне (mmWave).
- Система использует машинное обучение для анализа сигнатур SNR, полученных через реконфигурируемые интеллектуальные поверхности (RIS).
- Технология обеспечивает позиционирование устройств в условиях отсутствия прямой видимости (non-line-of-sight).
- Фреймворк эффективно подавляет перекрестные помехи (cross-link interference) между элементами сети.