2025 conference-paper

A Physics-Constrained Deep Learning Framework for Robust 5G Indoor Positioning

Dequan Quan, Fuqiang Zhang, Mingyang Ma, Runze Zhang, Zhongliang Deng

0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
A Physics-Constrained Deep Learning Framework for Robust 5G Indoor Positioning
Date Crossref
07/11/2025
Éditeur
IEEE
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Beijing University of Posts and TelecommunicationsState Key Laboratory of Cryptology

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Indoor and Outdoor Localization TechnologiesMillimeter-Wave Propagation and ModelingAdvanced Wireless Communication Technologies
Consulter la publication primaire Ouvrir le DOI

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.