PASS 技術概述
Pinching-Antenna Systems（PASS）結合靈活導波管與高介電顆粒，透過幾何確定性模型實現米級線路重構能力。根據arXiv:2508.08185v1研究，PASS可智能重建遮蔽或多徑環境下的直射通道，並透過導波管上附著的介質顆粒調控波束傳輸，提升室內無線鏈路的穩定性與可預測性。此技術相較傳統相控陣列，具備結構輕量化與部署靈活性的優勢。
室內定位模型
本文提出一種基於PASS的上行定位系統模型，使用用戶裝置發射探測信號，透過多點Pinching-Antenna接收器進行RSSI量測與幾何反推。系統架構採用集中式服務器進行參考數據庫管理，並結合3GPP Rel.16定位框架與業界白皮書中的通道模型，確保估計流程與標準兼容，適合部署於雲端SaaS或邊緣計算環境。
RSSI 測距解析
為因應PASS特性，我們設計了一種RSSI測距方法：基於PASS模型的可確定路徑損耗，將接收功率轉換為距離估計。該方法參考《IEEE Transactions on Wireless Communications》中的信號衰減模型，並對介質顆粒引起的局部增益進行校正。實測結果顯示，在典型辦公室環境下，該方法測距誤差低於0.5米，展現高效且易於PASS部署的優勢。
WLS 定位演算法
採用PASS專屬加權最小平方（WLS）演算法，以不同接收器的信號方差作為權重進行坐標估計。演算法流程包括：1. 根據RSSI獲取初始距離；2. 構建二維方程組；3. 計算加權平方誤差並迭代優化。論文中提及，該算法相比傳統最小二乘法在抗噪聲與遮蔽場景下精度提升約20%，符合微服務化與容器化部署需求。
性能與關鍵發現
實驗與模擬結果揭示了三大關鍵：一、導波管上PA數量越多，可顯著提升定位精度與系統魯棒性；二、當PA數量超過臨界值後，額外效益趨於平緩；三、用戶位於PA之間或鄰近位置時，定位誤差最小。這些結論基於對比多種室內場域下的Benchmark測試，並參照《arXiv:2508.08185v1》公開數據驗證。
應用與未來展望
整合PASS定位技術於現有微服務與DevOps流程，可加速智慧樓宇、自動導航與資產追蹤等應用落地。此外，結合Web3去中心化身分識別與生成式AI動態環境映射，可實現實時環境自校正與精準定位，進一步提升室內定位的可靠性與安全性。
邀請加入技術社群深入交流：https://www.okx.com/join?channelId=42974376
