摘要:基于智能手机的室内定位在研究和工业领域都引起了相当大的关注。然而在复杂的定位环境中,定位的准确性和鲁棒性仍然是具有挑战性的问题。考虑到行人航位推算(PDR, pedestrian dead reckoning)算法被广泛配备在最近的智能手机上,提出了一种基于双延迟深度确定性策略梯度(TD3, twin delayed deep deterministic policy gradient)的室内定位融合方法,该方法集成了Wi-Fi信息和PDR数据,将PDR的定位过程建模为马尔可夫过程并引入了智能体的连续动作空间。最后,与3个最先进的深度Q网络(DQN, deep Q network)室内定位方法进行实验。实验结果表明,该方法能够显著减少定位误差,提高定位准确性。
摘要:为解决海量机器类通信(mMTC, massive machine type communications)场景下,机器类通信设备(MTCD, machine type communication device)采用传统随机接入方案时,往往出现网络严重拥塞,导致大量MTCD无法成功接入网络问题,提出了一种基于前导码重传辅助的动态接入类别限制(PRT-ACB, preamble retransmission access class barring)方案。利用MTCD的前导码重传次数,将每个随机接入机会(RAO, random access opportunity)中尝试发起接入的MTCD划分为高、低优先级,结合每个RAO中负载数估计模型,分别为其设定随每个RAO中的接入负载动态变化的高、低优先级限制因子和可用前导码池,使更多MTCD能在未达到最大前导码传输次数前成功接入网络。仿真结果表明,所提方案能有效提升MTCD的接入成功概率,降低MTCD接入网络所需时延。所提方案可以作为缓解海量通信设备同时接入网络造成拥塞的一种解决方案。