设想,未来的无线通信是更多的数据驱动的。鉴于新频段与大带宽的帮助下移动云边缘,波束形成和人工智能技术导致的关节传感和本地化的机会。固定和移动短程特设,点对点通信汽车可以创建、无人机、机器人、健康监测等。这样可以创建新的应用程序结合遥感和本地化通过复杂的高维数据收集的观察。

在无线网络中,有一个挑战的高精度centimetre-level用户定位。以前,机器学习方法定位主要集中在某种形式的监督学习策略使用回归和分类的数据。机器学习技术时获得的数据是不合适的吵闹,多具有非线性特征。人工智能技术已大幅增加受欢迎由于端到端学习的能力,预测和决策。人工智能方法可以同时模型和融合多传感器输入复杂的无线电信号特征。然而,主要的挑战是缺乏标记数据。

这个特殊问题的目的是将原始研究和评论文章讨论人工智能技术联合检测在未来的无线网络和本地化。专家和研究人员在工业和学术界被邀请提交他们的创新想法和实践通过原始研究的文章。其目的是提供一个全面的收集的挑战和研究方向,以促进结合遥感和本地化朝着更可靠six-generation (6 g)移动无线网络。

潜在的主题包括但不限于以下:

• 一致的传播模型
• 被动和主动传感方法
• 源和探测器的本地化
• 波形设计和信道估计
• 芯片技术提高输出功率和效率
• 节能技术精确传感和本地化
• 在线学习和自适应模型
• 优化算法
• 计算资源优化
• 智能反射面为增强映射和本地化
• 梁空间处理以提高准确性
• 认知无线电技术
• 安全和隐私为传感和定位算法
• 遥感模型的到来和离去角估计
• 指标的本地化