荣耀面试_2023.05.09

Evan Heavy

已于 2023-06-06 17:10:53 修改

阅读量880

点赞数 1

文章标签：面试职场和发展

于 2023-05-10 16:19:22 首次发布

本文链接：https://blog.csdn.net/qq_41445510/article/details/130567663

版权

1. 深度学习与射线追踪项目

（1）原理概念

射线追踪的原理：射线追踪是一种广泛应用在移动通信环境中的预测无线电波传播特性的技术，可以辨别出多径信道中收发之间所有可能的射线路径。基于电波传播理论，每条射线的幅度、相位、延迟和极化都可以计算出来。之后，结合天线方向图和系统带宽，就可以得到接收点所有射线的相干合成结果。【射线与传播环境相互作用有三种主要的机制：穿透障碍物、障碍物的表面反射和障碍物边缘的绕射。】

LOS：直射波，功率上明显大于其他；

NLOS：反射(reflect，障碍物尺寸大于波长λ)，绕射(Diffract，障碍物尺寸小于波长λ)；

散射(Scattering)：信号遇到凹凸不平的表面。

（2）思想方法

基本思想：将从源点辐射出的电磁波看作一条条射线，能量在各自独立的射线管内传播。对每一条射线的传播进行跟踪（知道射线到达目标点或射线能量低于需要考虑的限度时(能力不够了)），求得所有到达场点的射线后，采用矢量叠加的方法计算电场的损耗。

实现方法（镜像法）：将反射面看成源的镜面，通过几何关系准确地找到对应的路径的方法。发射天线经过一次反射后，镜像点可以通过接收天线和反射点确定。对于多次反射的情况，只需要对镜像点再取镜像就能够得到。

路径损耗预测问题(又称为信号中值预测)：在给定条件(发射机天线高度、位置、工作频率、接收天线高度、收发距离、天线方向图)时，计算接收信号的场强或信号中值。

（3）存在的问题（相位叠加，快衰落）

多条射线到达接收端时，对不同的时延和不同的相位如何处理？

多径不同相位叠加导致快衰落：不同路径信号大体相互独立且随机，因此接收信号可能是同相叠加增强也可能是反相相消减弱，随着距离的变化也会产生这种情况，导致了接收信号在时域和空域急剧变化，这种变化被称为快衰落。

解决方法：慢衰落好解决，增加基站数目就可以解决。那么快衰落的解决方案呢？

【1】分集技术（分散传输，集中接收）

该抗快衰落方法是通过改变接收端对接收到的衰落信号的处理方式实现的，这个技术需要满足一个条件：两个衰落信号是独立衰落的，即两个信号是同一个天线发射出来的，两个信号包含的信息和波源信号一样，只是这两个信号传播路径不同，最后在同一个接收端的衰落程度不同。

分散传输：

宏分集：解决慢衰落问题，多基站分集；

微分集：解决多径(快)衰落问题；

空间分集、频率分集、角度分集、时间分集、极化分集、场分量分集；【不同信号

间独立】

空间分集：空间分集也称为天线分集，是无线通信系统中使用较多的一种分集方

式。快衰落具有空间独立性，即在两个不同的位置接收同一信号时，只

要两个位置的距离足够大，则两处所收到信号的衰落是相互独立的。空

间分集就是利用快衰落的空间独立性获得抗衰落的效果，简单地说，就

是在空间不同的垂直高度上设置多副天线，同时接收一个信号，然后将

多个接收信号进行合成或者选择其中某一个强信号作为输出。

频率分集：频率分集是利用快衰落的频率独立性来实现抗衰落的，所谓频率独立

性，是指频率间隔大于相关带宽的两个信号经衰落信道后在统计上可以

认为是不相关的。频率分集采用两个或两个以上具有一定频率间隔的微

波频率同时发送和接收同一信息，然后进行合成或选择输出。

时间分集：快衰落不仅具有空间独立性和频率独立性，同时还具有时间独立性，即

将同一信号在不同时间区间多次重发，只要各次发送时间的间隔足够大

（大于相干时间），则各次发送信号所出现的衰落将是相互独立统计的，

接收机将收到的衰落独立的同一信号合并，就能减小衰落的影响。

角度分集：由于地形、地貌、接收环境的不同，使得到达接收端的不同路径的信号

可能来自不同的方向，这样在接收端可以采用方向性天线，分别指向不

同的到达方向，则每个方向性天线接收到的多径信号是不相关的，具有

互相独立的衰落特性。

场分量分集：同一个信号的磁场和电场含有的信息是等价的。所以分别用电场和磁

场去合成最后的信号；

极化分集：用不同的极化电磁波；在移动环境下，同一地点两个极化方向相互正交

的天线发出的信号呈现出不相关的衰落特性。利用这一特点，在发射端

的同一地点分别装上垂直极化天线和水平极化天线，在接收端的同一地

点也分别装上垂直极化天线和水平极化天线，就可以得到两个衰落特性

不相关的信号。极化分集实际上是空间分集的特殊情况，其分集支路只

有两路。

集中处理：

选择合并：取任意一个时刻两个衰落信号中的信号余量最大值；

最大比合并：对两路信号乘上不同的系数然后再相加；

等增益合并：对两路信号乘上一个相同的系数然后再相加；

【2】Rake接收技术

把多径信号改良为有用信号，多径信号一般都认为是干扰，因为多径衰落后产生的信号相位差是各不相同的，所以最后再接收天线端合成后的信号就特别的不规则，甚至特别小(相位差pi/2抵消)，RAKE接收技术就是通过搭建电路把多径信号改造成有用的信号，使得最后接收端的合成信号幅度变得不那么小，不那么没有规则，具体来说就是搭建一系列的延迟电路使得衰落及干扰改变的相位重新恢复回去。

【3】均衡技术

由于多径传输、信道衰落导致接收端严重码间干扰，码间干扰可以说是移动无线通信信道中传输高速数据时的最主要的障碍，为了克服码间干扰，接收端采用均衡技术。

均衡是指各种用来克服码间干扰的算法和实现技术。均衡是对信道特性的均衡，就是在接收端设计一个称为均衡器的网络，均衡器产生与信道特性相反的特性，用来减少或消除由于码间干扰引起的信号失真。

均衡技术可以分为两大类：线性均衡和非线性均衡。如果均衡器的输出未应用于均衡器的反馈逻辑中，则均衡器是线性的；反之，如果哦均衡器的输出被应用于反馈逻辑中并改变均衡器的后续输出，则均衡器是非线性的。线性均衡器包括线性横向均衡器、线性格型均衡器等，非线性均衡器包括判决反馈均衡器（DFE）、最大似然序列估值器（MLSE）和最大似然符号检测器（MLSD）等。均衡器的结构有很多，并且每种结构在实现时又有很多种算法，如最小均方误差算法（LMS）、递归最小乘法（RLS）、快速递归最小二乘法、平方根递归最小二乘法和梯度递归最小二乘法等。

均衡器

线性：

横向：迫零、LMS、RLS、快速RLS、平方根RLS；

格型：梯度RLS

非线性：

DFE：

横向：LMS、RLS、快速RLS、平方根RLS

格型：梯度RLS

MLSD：

格型：梯度RLS

横向信道预测：LMS、RLS、快速RLS、平方根RLS

MLSE：

横向信道预测：LMS、RLS、快速RLS、平方根RLS

2. 深度学习与定位项目

定位方法/技术的实现：

无线定位技术通过对无线电波的一些参数进行测量，根据特定的算法来判断被测物体的位置。测量参数一般包括无线电波的传输时间t、幅度、相位a和到达角等。定位精度取决于测量的方法。从定位原理的角度来看，定位技术大致可以分为三种类型：基于三角关系和运算的定位技术、基于场景分析的定位技术和基于临近关系的定位技术。

三角/双曲关系定位：利用几何三角或双曲关系计算被测物体的位置，最主要、最广泛，可以分为2种：基于距离测量toa的定位技术和基于角度aoa测量的定位技术。

基于距离测量的定位技术：已知的位置参考点（ABC三点）与被测物体之间距离（R1、R2、R3），然后利用三角知识计算被测物体的位置。

（1）直接测量：该方法通过物理动作和移动来测量参考点与被测物体之间的距离，例如，机器人移动自己的探针，直到触碰到障碍物，并把探针移动的距离作为自己与障碍物之间的一个距离参数。

（2）传播时间：已知传播速度情况下，无线电波传播距离与它传播的时间成正比。则会中测量方法需要注意问题如下：（a）无线电波在非视距NLOS下的传播特性，可以增加测量次数，求出统计意义上的测量值。（b）时钟精度（3）时钟同步，参与同一个定位过程的参考点之间必须保证时钟同步。

（3）无线电能量衰减：已知发射电波的强度，在接收方测量收到的电波强度，以此估计出发射端距离接收端之间的距离。例如，在理想传播环境下，无线电波的衰减与1/r2成正比（r为传播距离）。实际上，无线电波在空间传播时能量的衰减受多种因素影响，相比传播时间测量方法没有优势。

基于角度测量的定位技术：基于角度的定位技术与基于距离测量的定位技术在原理上相似。两者主要的不同在于前者测量的是角度，后者是距离。一般来说，如果要计算被测物体的平面位置（即二维位置），那么需要测量两个角度和一个距离。同理，如果要计算被测物体的立体位置（三位置为），那么则需要测量3个角度和一个距离。基于角度测量的定位技术需要使用方向性天线，如智能天线阵列。

基于场景（信号指纹）分析的定位技术：该定位技术对定位的特定环境进行抽象和形式化，用一些具体的、量化的参数描述定位环境中的各个位置，并用一个数据库把这些信息集成在一起。业界习惯上把这些形式化和量化后的位置特征信息形象称为“指纹”。观察者根据待定位物体所在位置的“指纹”特征查询数据库，并根据特定的匹配规则确定物体的位置。由此可以看出，这种定位给技术的核心是位置特征数据库和匹配规则，他本质上是一种模式识别方法。微软的RADAR无线局域网定位系统就是典型的场景分析的定位系统。

基于临近关系的定位技术：根据待定位物体与一个或多个已知位置参考点的临近关系来定位。这种定位技术通常需要标识系统的辅助，以唯一的标识来确定已知的各个位置。这种定位技术最常见的例子是移动蜂窝通信网络中的Cell ID。假设待定位物体分别位于三个Cell中国。由于各个Cell中参考点的位置已知，所以根据待定位物体所在Cell可以粗略确定其位置（即Cell中参考点的位置）。除了Cell ID以外，其他的例子还有Xerox PareTAB System、Carnegie Mellon Andrew、Active Badge等。

定位策略

从定位策略来看，定位技术/系统可以分为基于移动终端的定位和基于网络的定位两种。基于移动终端的定位是指定位计算由移动终端自主完成，移动终端能够自行确认自身当前的位置。基于网络的定位主要由网络系统收集待定位移动终端的信息并计算移动终端的当前位置。如果再对以上两种定位决策进行细分，前一种定位决策又可以分为基于移动终端的定位和网络辅助定位两种；而后一种定位策略又可以分为基于网络的定位和移动终端辅助定位两种。

无线网络定位技术：不同的无线移动网络对定位有着不同的业务需求和定义，不同的网络拓扑、物理层和MAC层设计对定位技术也提出了不同的挑战。按照不同的网络拓扑形式，现有定位系统可以分为蜂窝网络、WLAN和无线传感器网络辅助的定位系统。

蜂窝网络定位技术

目前，实现蜂窝无线定位主要有三大类解决方案：1）基于网络的定位技术，如基于Cell ID和时间提前量（TA）的方法、上行链路信号到达时间（TOA）方法、上行链路到达时间差（TDOA）方法以及上行链路到达角度（AOA）方法，这些解决方案需要对现网进行部分改进，但却可以兼容现有移动终端；2）基于移动台的定位方法。用于GSM中的下行链路增强观测时差定位方法（EOTD）、用于WCDMA下行链路空闲周期观测到达时间差方法（OTDOA-IPDL）等；3) 以GPS、GLONASS、GALILEO、BEIDOU、QZSS等为代表的卫星定位系统，移动台和网络侧集成了卫星定位的辅助设备。从技术角度来讲，第二类和第三类方法更容易提供较为精准的用户定位信息，但是这些技术需要改进网络的同时，也存在对移动台改动的需求，这将对移动台的体积、功耗、成本带来影响。

各类定位方法已经在不同蜂窝网络中被标准化。3GPP对于GSM网络选择了基于CellID和时间提前量、上行TOA、E-OTD、辅助GPS(AGPS)等方案，而为WCDMA网络选择了基于CellID、OTDOA-IPDL、AGPS等方法。GSM网络中与定位相关的标准包括3GPPTS09.02和3GPPTS03.71，3G网络中还有3GPPTS25.331系列规范对位置服务系统的架构和相关定位流程进行了规定。

Cell ID定位技术

Cell ID技术是蜂窝网络中最简单的一种定位方法，由于其对终端定位的结果是终端服务小区基站的位置，所以定位精度随扇区大小而变化，特点是速度快、应用简单、精度较差，通常与其他定位结合使用，统称为基于Cell ID的定位技术。这类定位技术是Cell ID技术的补充和改进。在移动蜂窝网络中，每个蜂窝小区都有一个唯一的，利用移动终端所在Cell对应的Cell ID就可以粗略地确定移动终端地位置。

GSM/GPRS系统中可以用作定位的另一个参数是时间提前量(TA)，UMTS系统中与之对应的是回路测量时间(Tound Trip Time, RTT)。TA和RTT两者皆是利用基站传送到手机的时间补偿(Time Offset)来测量BTS与手机之间的距离，分析移动台所在的区域，TA以比特为单位，1bit相当于550米的距离；RTT以比特为单位，WCDMA 3.84M码片速率下1bit相当于20米的距离；TD-SCDMA 1.28M码片速率下1bit相当于60米的距离。把Cell ID和TA/RTT结合在一起是一种简单又经济的方法。所有终端都可以使用这种方法定位，这是一大优点。但是这种技术的定位精度取决于小区大小和周围的环境，通常只用于粗略定位。

NMR(Network Measurement Report)也称为E-CGI(Enhanced Cell Global Identification)，从本质上讲是一种具有自主和指纹定位两种模式的技术。这种技术是对CellID以及CellID+TA/RTT的增强。NMR指纹定位离线学习阶段，终端在确定位置的样本点处和对应精确位置归档；进入在线定位阶段，终端实时测量和收集相邻小区的NMR数据并上报网络侧数据库，查询与所检测信号强度最为接近的样本点位置，作为最终定位结果。

TDOA测量的是移动终端发射的信号到达不同BTS的传输时间差，而不是单纯的传输时间。

UTOA定位需要终端和参与定位的LMU之间精确同步，而TDOA通常只需参与定位的BTS间同步即可。另外，这两种定位还要求在所有基站上安装LMU，因此成本较高。

增强型观察时间差(Enhanced Observed Time Difference, E-OTD)只能用于GSM/GPRS网络，使用这种技术需要在网络中的多个基站上放置位置测量单元（Location Measuremnet Unit,LMU）作为参考点。每个参考点都有一个精确的定时源。E-OTD的运作方式是以移动终端测量来自至少3个LMU的信号，根据各LMU到达移动终端的时间差值所产生的交叉双曲线可以计算出移动台的位置。

E-OTD方案可以提供比CellID高得多的定位精度——在50米到125米之间。但是它的定位响应速度较慢，往往需要约5秒的时间。另外，它需要对移动终端软件进行更新，这意味着现存的移动用户无法通过该技术获得基于位置的服务。

智能天线AOA方法：基站通过阵列天线测出移动台到达无线电波信号的入射角，从而构成基站到移动台的径向连线，两条连线的交点即为待定位移动台的位置。这种方法不会产生二义性，因为两条直线只能够相交于一点。这种信号到达角(Angle of Arrival，AOA)定位方法需要在每个小区基站放置4-12组天线阵列，从而确定移动台发送信号相对于基站的角度。

AOA通常用来确定一个二维位置。移动终端发，BTS1收，测量可得一条BTS1到移动终端的连线；移动终端发，BTS收，测量得到另一直线，两直线相交产生定位角。BTS1和BTS2坐标位置已知，以正北为参考方向，顺时针为0~360°，逆时针-0~-360°，由此可获得以移动终端、BTS1和BTS2为三点的三角关系。AOA方法在障碍物较少的地区可以获得较高的定位精度，但在障碍物较多的环境中，由于无线传输存在多径效应，则误差增大。移动台距离基站较远时，定位角度的微小偏差会导致定位距离的较大误差。另外，AOA技术必须使用智能方向天线。

信号衰减(Signal Attenuation)：这种定位技术利用移动终端靠近基站或远离基站时引起的信号衰减变化来估计移动终端的位置，又被称为场强定位技术。由于多数移动终端的天线是多向发送的，因此信号功率会向所有方向迅速消散。如果移动终端发出的信号功率已知，那么在另一点测量信号功率时，就可以利用一定的传播模型估计出移动终端与该点之间的距离。然而，测定传送功率会随着小区基站的扇形特性、天线倾斜以及无线系统的调整而不断变化。而且，信号同时受到其它因素（如穿越墙壁、植物、金属、玻璃、车辆等）的影响。最后，功率测量电路无法区分多个方向接收到的功率，例如直接到达的信号功率和反射到达的信号功率。因此，根据信号衰减进行定位被认为是最不可靠的方法。

A-GPS：是网络辅助的GPS定位的简称，这种方法需要网络和移动台都能接收GPS信号。AGPS的基本原理是：网络向移动台提供辅助GPS信息，包括GPS信号捕获和GPS卫星与接收机间星伪距测量的辅助数据（如：GPS捕获辅助数据、GPS定位辅助信息、GPS灵敏度辅助信息、GPS卫星工作状况等），以及移动台位置解算的辅助信息，如：GPS卫星星历、GPS导航电文、GPS卫星历书等，利用这些信息，移动台可以快速捕获卫星，并获取观测数据，继而将位置测量估计信息发送至网络侧定位服务器，由它最终计算出移动台所处位置。由于位置计算于网络侧完成，移动台实现GPS卫星信号捕获接收的复杂度大幅降低，并能够节省功耗。

在开阔环境中，如城郊或乡村，多径和遮挡是可以忽略的，A-GPS的定位精度能够达到10米左右甚至更优；若移动台处于城区环境，无遮挡并且多径效应影响较小，定位精度将在30~70米；若接收环境处于室内或其他多径和遮挡严重的区域，移动台难以捕获到足够的卫星信号，A-GPS无法完成捕获和定位，这是最大局限性。

与前CellID和E-OTD等定位技术相比，A-GPS定位方法的响应时间稍长，在冷启动情况下，A-GPS定位响应时间为10~30秒；正常工作状态下，响应时间为3~10左右。A-GPS的优点在于网络侧改动少，网络不需增加其他设备，投资较少，定位精度高（理论上可达5~10米）。缺点是移动台需要相应的软硬件支持，从而增加移动台的成本和功耗。

基于数据融合的混合定位：移动通信中复杂的信道环境使得在诸多基于测量信号特征参量的无线定位方法中，仅靠一种基本定位算法很难取得最佳定位精度，而通过利用一种或几种不同定位算法对不同测量参数进行数据融合，可以进一步提高定位精度。具体讲是利用T(D)OA、AOA(可含GPS)等多种特征参量测量值通过不同的定位算法对其进行求解得到位置估计，再根据不同的融合准则，利用各自的冗余信息，通过一定的规则进行筛选与融合，得到最终位置。综合或融合各种定位方法的测量数据，利用各种测量数据或冗余测量信息得到比任何单一方法好的定位精度，是目前蜂窝移动定位技术中比较好的折衷方案。

模式匹配： AOA和TOA/TDOA定位技术在多径传播严重的环境下很难奏效。美国Wireless Corp公司最早提出一项称为基于多径信号收集和模式匹配算法的“指纹”定位方案（指纹匹配方法）。它通过在基站设置无线照相系统来分析接收信号的多径模式，提取特征信息再和数据库中先验模式继续模式匹配，从而实现移动台定位。这种利用先验样本数据库辅助定位方案的测量数据参数可以是TOA/TDOA，也可以是RSSI。

无线局域网(WLAN）定位技术：是指以无线信道作传输媒介的计算机局域网络，是计算机网络与无线通信技术相结合的产物，它以无线多址信道作为传输媒介，提供传统有线局域网的功能，能够使用户真正实现随时、随地、随意的宽带网络接入。移动用户对信息的即时性和就地性的需求越来越强烈，这就给基于WLAN系统的位置服务提供了广阔的发展空间。WLAN系统中定位技术主要有GPS卫星定位、基于RSSI或TOA/TDOA/AOA的三角定位、信号强度定位等。其中，信号强度定位技术主要包括信号强度指纹/信号强度建模定位等两类方法。

基于时间/角度测量的定位：在WLAN低功率无线设备组成的高密度网中，由于各设备之间的同步很难实现，利用TDOA估计距离也很难实现。尽管可以通过测量TOA来估计距离，但是障碍密集地区如室内等环境中用户间距离较短，AP的覆盖范围往往不超过100米，无线电波的传输时延可以忽略不计，并存在较严重的衍射和绕射等非直线传播情况，而且同一用户信号的各条多径分量在时间上相当接近，需要对设备的分辨率进行改进以区分。所以，精确的TOA或者TDOA估计，需要借助于更先进的数字信号处理技术来实现。另外，影响信号传播的障碍物很多，无线信号存在反射和散射。不同路径分量的幅度、相位、到达时间和入射角各不相同，使接收的复合信号在幅度和相位上都产生了严重的失真，因此，AOA也不适于室内无线定位。

基于信号强度的定位技术：基于无线局域网（WLAN）的定位技术借助笔记本电脑、手机、MP4、PDA等用户终端中WLAN协议的广泛集成与WLAN近乎泛在的网络覆盖能力得以快速发展和进步。WLAN中用户终端（主动或被动地）监听其接收范围内接入点/热点（AP）的信号，通过所接收到beacon frame中的SSID和MAC地址来辨识所有AP，并根据RSSI判别相应AP的信号强度。

信号强度指纹定位：WLAN中首个定位系统RADAR由微软研究院的Bahl等人于2000年设计提出，其使用的是信号强度指纹定位技术。指纹定位主离线阶段在目标区域内，WLAN终端在有限个样本点处从周围的AP采集信号，测量从邻近若干AP接收的信号强度，并记录自身位置要分为离线训练和在线定位两个阶段【离线训练和在线测试】。同时，终端捕获观测AP MAC作为识别信息。然后将包含AP识别信息、AP信号强度和对应观测样本点位置等信息的先验数据保存【训练数据和标签】，建立信号指纹数据库。为提供较准确和完整的指纹记录，离线指纹的收集需以足够密度覆盖整个物理空间。基于上述采集好的信号指纹数据，在实际定位阶段，定位终端扫描接收范围内的各个AP，并根据各AP的信号强度，在指纹数据库中找出与所观测AP信号强度最接近的一条指纹记录，并将此记录中的位置信息作为终端的位置【分类方法的输出】。【机器学习方法也差不多，离线训练+在线计算/预测】

指纹定位技术可以分为确定性、不确定性（或随机性）方法。确定性方法直接求解两者间的欧氏距离，返回与观测值距离最小的一个样本点或K个样本点的综合结果。在不确定性方法中，使用各种随机性方法来处理RSSI测量中的不确定性，继而获得终端位置的最大似然或最大后验概率或最小均方误差估计。（KNN最小k临近法，距离最近作为选择的分类结果）

信号强度建模定位：WLAN中另一种定位技术被称为信号强度建模定位。此类系统中记录了AP的精确位置，在计算用户位置时，较简单的方法是根据各可见AP信号强度的差异直接对各AP的位置进行加权平均得到用户的粗略位置。较复杂的方法之一是：建立信号传播规律的确定性模型并根据信号强度的损耗来估计AP-用户间传播距离，继而确定用户位置。另一种方法是基于随机技术，根据信号关于距离的统计分布特性，得到对AP-用户间距离的一个概率估计。如前所述，信号强度建模定位至少需要预知AP的标识及其位置信息即建立AP数据库，省去了指纹采集工作。建立AP位置数据库的方法主要有：站址登记和路测。

信号强度建模方法存在不可忽视的缺陷，其相比指纹定位虽然步骤简捷，但其定位精度受到AP位置精度和路径传播损耗模型精度的影响。此方法中忽视了AP天线的发射信号强度在各方向的分布并不均匀的实际情况，即AP天线周围不同方向的终端虽接收到AP的信号强度相同，但与AP的距离可能并不相同。上述这些因素（包括人体遮挡）都会对信号强度建模定位精度产生不同程度的影响。

定位总结：

从对移动台定位的精度要求来看，由于受多径、多址干扰，特别是NLOS传播的影响，使各种信号特征测量值总是存在一定的偏差，从而使各种适用于特征测量值误差服从零均值高斯分布的定位算法，如最小均方三角定位算法的性能显著下降，无法取得对移动台位置的最大似然估计，使得对移动台的估计位置出现较大的偏差。在一般的市区环境下，以GPS为代表的卫星定位技术，由于其基于高频伪随机码的精确站星伪距测量而获得较高的定位性能，但另一方面，其巨大的下载量使得首次锁定时间过长。AGPS虽然可以大幅提高首次定位的速度，但仍无法彻底解决卫星信号条件较差环境下定位性能低下的问题。因此，AGPS、基于Cell定位等技术的结合互补是蜂窝网络定位更为可行而且高效的选择。

WLAN的部署为蜂窝网络中AGPS、Cell等定位技术提供了有力的补充。由于特征测量方法面临与蜂窝网络中相同甚至更为严重的误差影响，WLAN定位研究应用的重点是基于信号强度的方向。其中，指纹定位相比传播模型定位具有更高的实用性和更广的适用范围。

近来算法研究的重点逐渐有多元互补的趋势。在不同理论、策略、网络拓扑、应用领域等方面分别具有优势的方法之间相互配合、采长补短是今后无线网络定位技术的一种发展方向。

现网5G中的定位技术主要包括以下几种：

GNSS定位技术：GNSS是全球卫星导航系统，包括GPS、GLONASS、Galileo、Beidou等。5G网络可以利用GNSS定位技术，通过接收卫星信号来确定移动设备的位置。
基站定位技术：5G网络中的基站可以通过测量移动设备与基站之间的信号传输时间、信号强度等参数，来确定移动设备的位置。AOA、TOA，精度差，适用于室外和较大范围的定位场景。
位置指纹定位：一种基于无线信号的定位技术，通过采集周围无线信号的强度、延迟等参数，建立位置指纹数据库，从而实现对移动设备位置的定位。
WiFi/蓝牙定位技术：5G网络中的WiFi可以通过测量移动设备与WiFi之间的信号传输时间、信号强度等参数，来确定移动设备的位置。精度高，适用于室内和较小范围的定位场景。精度：蓝牙几米到十几米之间，WIFI几十米到几百米之间。
惯性导航技术：5G网络中的移动设备可以通过内置的加速度计、陀螺仪等传感器，来测量设备的加速度、角速度等参数，从而确定设备的位置。
视觉定位技术：5G网络中的移动设备可以利用摄像头、激光雷达等设备，通过对周围环境的识别和测量，来确定设备的位置。

3. 小米合作的切换增强项目

在现网实际环境中，不同场景如何进行训练模型

两种训练方式：有监督学习和无监督学习；

监督学习：利用给定的样本标准进行分类或模仿(回归)；

无监督学习：只规定学习方式或某些规则，具体的学习内容随系统所处环境(即输入信号情况)而异，系统可以自动发现环境特征和规律性，具有近似人脑的功能；

泛化能力是指对没有训练过的样本，有更好的预测能力和控制能力。特别是，当存在一些有噪声的样本，网络具备很好的预测能力。

非线性映射能力，当系统对于设计人员很透彻或清楚时，一般利用数值分析、偏微分方程等数学工具建立精确的数学模型；但当对系统很复杂，或者系统位置、系统信息量很少时，建立精确的数学模型很难，神经网络的非线性映射能力则表现出优势，因为它不需要对系统进行透彻的了解，但是同时能达到输入与输出的映射关系，这就大大简化了设计的难度。

高度并行性具有一定的争议。神经网络是根据人脑抽象出来的数学模型，由于人可以同时做一些事情，从功能的模拟上，神经网络具备很强的并行性。

计算机的传递信息速率远高于人脑，但是人脑是大规模并行和串行组合处理系统，所以人脑处理问题的速度远高于串行结构的普通计算机。

神经网络的结构建好后，一般就要求神经网络里的权值和阈值【w和b】。

现在一般求解权值和阈值，都是采用梯度下降之类的搜索算法（梯度下降法、牛顿法、列文伯格-马跨特法、狗腿法等等），这些算法会先初始化一个解，在这个解的基础上，确定一个搜索方向和一个移动步长（各种法算确定方向和步长的方法不同，也就使各种算法适用于解决不同的问题），使初始解根据这个方向和步长移动后，能使目标函数的输出（在神经网络中就是预测误差【损失值】，回归计算预测值）下降。（另一种，分类算法，输出的分类值与目标之间比较，得到准确率，越高越好）。

而在寻解过程中，步长太大，就会搜索得不仔细，可能跨过了优秀的解【错过目标】，而步长太小，又会使寻解过程进行得太慢【收敛过慢/过拟合】。因此，步长设置适当非常重要。学习率对原步长（在梯度下降法中就是梯度的长度）作调整，lr代表学习率learning rate。

CNN卷积神经网络自从Alexnet出现以来，成为图像识别领域的标准。以卷积神经网络为代表的深度神经网络被批评为“黑盒子”，给行业DL模型的应用和推广带来一些障碍。