[論文レビュー] 5G mmWave Cooperative Positioning and Mapping using Multi-Model PHD Filter and Map Fusion

Hyowon Kim, Karl Granström+4 more|arXiv (Cornell University)|Aug 26, 2019

Indoor and Outdoor Localization Technologies被引用数 14

ひとこと要約

本稿では、複数モデル確率仮説密度（PHD）フィルタとマップ統合を用いて、車両通信ネットワークにおける多様な物体タイプと制限された視野（FoV）に対処する協調的5G mmWave定位およびマッピングフレームワークを提案する。ラオ・ブラックウェルド粒子フィルタを新規の非同期マップ統合戦略（重み付き算術平均に基づく）と統合することで、多重パス、誤検出、データ関連付けの課題が存在する中でも、高精度な同時定位と環境マッピングを実現する。

ABSTRACT

5G millimeter wave (mmWave) signals can enable accurate positioning in vehicular networks when the base station and vehicles are equipped with large antenna arrays. However, radio-based positioning suffers from multipath signals generated by different types of objects in the physical environment. Multipath can be turned into a benefit, by building up a radio map (comprising the number of objects, object type, and object state) and using this map to exploit all available signal paths for positioning. We propose a new method for cooperative vehicle positioning and mapping of the radio environment, comprising a multiple-model probability hypothesis density filter and a map fusion routine, which is able to consider different types of objects and different fields of views. Simulation results demonstrate the performance of the proposed method.

研究の動機と目的

• 多重パス信号が多様な物体から発生し、定位性能を低下させる5G mmWave車両通信ネットワークにおいて、高精度な協調的定位とマッピングを実現する挑戦に応える。
• 移動モデルではなく、複数の物体タイプ（基地局（BS）、車両アンテナ（VA）、散乱点（SP））を複数モデルPHDフィルタでモデル化することで、従来のSLAM手法の制限を克服する。
• 視野（FoV）のばらつきを考慮した新規の非同期マップ統合技術を設計し、マップ空間を分解し、部分集合に重みを割り当てることで、車両間の異なるFoVを効果的に統合する。
• mmWave信号から得られる無線マップを再利用することで、単一基地局での定位を可能とし、事前の同期依存を低減する。
• クラッターと誤検出の影響下でも、車両状態推定精度を向上させるために、ラオ・ブラックウェルド粒子フィルタに理論的裏付けのある尤度計算を提供する。

提案手法

• 車両-マップ同時密度のラオ・ブラックウェルド（RB）表現を採用し、粒子フィルタで車両状態を推定し、複数モデルPHDフィルタでマップを推定する。
• 基地局（BS）、車両アンテナ（VA）、散乱点（SP）の3種類の物体タイプごとに異なる測定モデルをサポートする複数モデルPHDフィルタを実装し、異なる信号成分を同時に追跡可能にする。
• 確率有限集合（RFS）尤度の閉形式表現を導出することで、粒子重みの更新を効率化し、計算効率と推定精度を向上させる。
• 視野（FoV）に配慮した重み付き算術平均（AA）融合ルールを適用：マップ空間を互いに素な部分集合に分割し、各車両の寄与度をそのFoVカバー範囲に基づいて重み付けする。
• 中央差分近似を用いて、状態予測、共分散更新、カルマンゲインを含むPHD更新成分をCKF（中央差分カルマンフィルタ）で計算する。
• 基地局で非同期マップ統合を実行し、複数のやり取りを通じて各車両がグローバルマップに貢献し、全車両が統合マップにアクセス可能となるようにする。

実験結果

リサーチクエスチョン

• RQ1 5G mmWave信号をどのように活用すれば、基地局（BS）、車両アンテナ（VA）、散乱点（SP）を含む環境物体の位置推定と同時に、車両位置を推定できるか？
• RQ2 測定値に発信元タグがなく、クラッターの影響を受ける非同期協調mmWave定位において、データ関連付けと誤検出を効果的に処理する方法は何か？
• RQ3 車両の視野（FoV）が制限されており、重複している状況下で、各車両が環境の一部しか観測しない場合に、効果的なマップ統合はどのように実現できるか？
• RQ4 異なる信号伝搬モデル（例：直接波、反射波）を考慮する複数モデルPHDフィルタは、複雑な都市環境において単一モデル手法を上回る性能を発揮できるか？
• RQ5 視野（FoV）に配慮した統合重みが、協調定位システムにおけるグローバル無線マップの精度と収束性に与える影響は何か？

主な発見

• 提案された複数モデルPHDフィルタは、特性が異なる複数の物体タイプ（BS、VA、SP）を効果的に追跡でき、単一モデル手法と比較してマップ精度が向上した。
• 視野（FoV）に配慮した重み付き算術平均を用いたマップ統合戦略は、マップの一貫性を著しく向上させ、特にカバーが薄い状況下で定位誤差を低減した。
• RFS尤度の理論的導出により、正確な粒子重み更新が可能となり、発散の低減と改善された車両状態推定精度が達成された。
• シミュレーション結果から、提案手法は、特に多重パスと誤検出が顕著な状況下で、ベースライン手法と比較して位置推定誤差が低く、マップ精度が優れていることが示された。
• 非同期マップ統合プロトコルにより、各車両が同期通信や事前の調整なしにグローバルマップに貢献し、同時にその恩恵を受けることが可能となった。
• 本手法により、単一基地局での定位が可能となり、外部同期への依存が低減され、実世界の車両通信ネットワークに適した仕組みが実現された。