[論文レビュー] 3-D Positioning and Environment Mapping for mmWave Communication Systems

Jie Yang, Shi Jin+3 more|arXiv (Cornell University)|Aug 12, 2019

Indoor and Outdoor Localization Technologies参考文献 35被引用数 10

ひとこと要約

本稿は、混合時間遅延（TDoA）、電波の到着角（AoA）、周波数差（FDoA）測定を用いたミリ波クラウド無線アクセスネットワーク（CRAN）における3次元協調的位置特定および環境マッピングフレームワークを提案する。10cm未満の精度を達成する閉形式重み付き最小二乗（WLS）推定器と、ニューラルネットワークを活用して1cm未満の精度を実現するWLS-NetベースのSLAMアルゴリズムを導入し、公開のレイトラーシングデータセットを用いて検証した。

ABSTRACT

Millimeter-wave (mmWave) cloud radio access networks (CRANs) provide new opportunities for accurate cooperative localization, in which large bandwidths, large antenna arrays, and increased densities of base stations allow for their unparalleled delay and angular resolution. Combining localization into communications and designing simultaneous localization and mapping (SLAM) algorithms are challenging problems. This study considers the joint position and velocity estimation and environment mapping problem in a three-dimensional mmWave CRAN architecture. We first embed cooperative localization into communications and establish the joint estimation and mapping model with hybrid delay and angle measurements. Then, we propose a closed-form weighted least square (WLS) solution for the joint estimation and mapping problems. The proposed WLS estimator is proven asymptotically unbiased and confirmed by simulations as effective in achieving the Cramer-Rao lower bound (CRLB) and the desired decimeter-level accuracy. Furthermore, we propose a WLS-Net-based SLAM algorithm by embedding neural networks into the proposed WLS estimators to replace the linear approximations. The solution possesses both powerful learning ability of the neural network and robustness of the proposed geometric model, and the ensemble learning is applied to further improve positioning accuracy. A public ray-tracing dataset is used in the simulations to test the performance of the WLS-Net-based SLAM algorithm, which is proven fast and effective in attaining the centimeter-level accuracy.

研究の動機と目的

• 次世代無線ネットワークにおけるミリ波CRANにおける高精度な3次元位置特定と環境マッピングを実現すること。
• 時間遅延差（TDoA）、到着角（AoA）、周波数差（FDoA）の混合測定を用いた端末装置の位置・速度・環境構造の同時推定を解決すること。
• 幾何学的原理に基づきつつも学習可能なフレームワークを構築し、閉形式WLS推定とディープラーニングを統合して耐障害性の高いSLAMを実現すること。
• 実際のレイトラーシングデータを用いて、複雑な都市部および屋内環境で1cm未満の位置特定精度を達成すること。

提案手法

• 3次元ミリ波CRAN環境における混合TDoA、AoA、FDoA測定を用いて、同時推定とマッピングのモデルを構築する。
• 位置・速度の同時推定に適した閉形式重み付き最小二乗（WLS）推定器を導出。この推定器は漸近的に不偏であることが証明された。
• WLS推定器がCramér-Rao下界（CRLB）に達するための理論的条件を確立し、最適性能を保証する。
• 線形近似を置き換えるためにニューラルネットワークをWLSフレームワークに統合し、WLS-Netを提案する。
• WLS-Net内でのアンサンブル学習を採用することで、さらに位置特定精度と一般化性能を向上させる。
• 実際のミリ波伝搬環境をシミュレートするため、公開のレイトラーシングデータセットを用いてフレームワークを検証する。

実験結果

リサーチクエスチョン

• RQ1 混合測定を用いた3次元ミリ波CRAN環境において、閉形式WLS推定器はCRLBに近い最適な位置特定精度を達成できるか？
• RQ2 ニューラルネットワークを幾何的推定モデルに効果的に統合することで、位置特定の耐障害性と精度を向上させられるか？
• RQ3 WLS-NetベースのSLAMアルゴリズムは、実際のミリ波伝搬環境において1cm未満の精度を達成できるか？
• RQ4 提案フレームワークは、都市部および屋内環境において、位置・速度・環境構造を高精度に同時に推定できるか？
• RQ5 アンサンブル学習は、WLS-NetベースのSLAMシステムの性能をどのように向上させるか？

主な発見

• 提案されたWLS推定器は10cm未満の位置特定精度を達成し、測定ノイズが小さい場合にはCramér-Rao下界（CRLB）に漸近的に近づく。
• WLS-NetベースのSLAMアルゴリズムは、公開のレイトラーシングデータセットを用いたシミュレーションで1cm未満の精度を達成した。
• WLSフレームワークにニューラルネットワークを統合することで、純粋な幾何的推定を上回る耐障害性と性能向上が実現された。
• WLS-Net内でのアンサンブル学習により、分散の低減と一般化性能の向上が実現され、位置特定精度がさらに向上した。
• 理論的解析により、特定の条件下でWLS推定器がCRLBに達することが確認され、最適性が裏付けられた。
• 本フレームワークは、ミリ波CRANにおけるリアルタイムで高精度な位置特定と環境マッピングの実現に強く有望であることが示された。