Evaluación de modelos de predicción para localización de usuarios en entornos de interiores de redes móviles 5G en bandas milimétricas (mmWave).

Abstract

En este trabajo investigativo se aborda la evolución y los desafíos del posicionamiento de dispositivos en redes móviles de quinta generación (5G), enfocándose en la mejora de la velocidad de transmisión y la precisión en entornos interiores. Con la tecnología 5G superando los 10 Gbps en velocidad teórica, se acerca la visión de un mundo interconectado en tiempo real. Sin embargo, la demanda creciente de servicios digitales y la necesidad de una geolocalización precisa de los dispositivos exigen una infraestructura avanzada capaz de soportar un mayor número de conexiones y mejorar la experiencia del usuario. El estudio explora cómo las ondas milimétricas (mmWave), esenciales para el 5G, ofrecen altas tasas de datos, pero enfrentan desafíos en la propagación debido a su atenuación por obstáculos en interiores. Se revisan técnicas de posicionamiento como Time of Arrival (TOA), Time Difference of Arrival (TDOA), y Ángulo de Arribo (AoA), así como el uso de técnicas de aprendizaje automático y modelos de redes neuronales artificiales para mejorar la precisión en escenarios complejos. El análisis del estado del arte revela que, aunque las mmWave permiten velocidades de transmisión rápidas, su uso se ve limitado por problemas como la pérdida de señal en entornos interiores y la interferencia de obstáculos. Para superar estos desafíos, se destacan técnicas avanzadas de posicionamiento y modelos de predicción basados en redes neuronales, que permiten una mayor precisión y eficiencia en la localización de dispositivos. A pesar de las mejoras que proporcionan las ondas milimétricas y técnicas avanzadas como MIMO masivo y beamforming, la señal puede atenuarse debido a obstáculos y a la acumulación de dispositivos. Estos desafíos destacan la importancia de un posicionamiento preciso en interiores para optimizar los recursos radioeléctricos y reducir el consumo energético en redes 5G. Finalmente, se propone un modelo de red neuronal para la predicción de trayectoria. Palabras Clave: mmWave, 5G, posicionamiento, predicción de trayectoria, posicionamiento indoor.