[論文レビュー] Fusion of Monostatic and Bistatic Sensing for ISAC-Enabled Low-Altitude Environment Mapping

Liu Meihui, Sun Shu+3 more|arXiv (Cornell University)|Mar 9, 2026

Indoor and Outdoor Localization Technologies被引用数 0

ひとこと要約

この論文は、非理想的な表面散乱の下でモノスタティックとバスタティックのISACセンシングを統合し、低高度環境をマップするベイズ multipath ベースのフレームワークを提案し、バスタティックのみのアプローチより精度と頑健性を向上させます。

ABSTRACT

Driven by the rapid growth of the low-altitude economy, integrated sensing and communication (ISAC) technologies are essential to meet the stringent demands for reliable connectivity and situational awareness. Within this context, multipath-based simultaneous localization and mapping has emerged as a promising approach by leveraging radio frequency (RF) multipath to reconstruct environment maps alongside agent localization. Nevertheless, existing studies largely confine themselves to bistatic non-line-of-sight links and assume purely specular reflections from smooth surfaces, overlooking the monostatic sensing capability inherent in ISAC systems and the diffuse scattering effects induced by non-ideal outdoor building facades. To address these limitations, this paper presents the first Bayesian multipath-based environment mapping framework for ISAC that integrates monostatic and bistatic measurements under non-ideal surface propagation. We establish geometric relationships linking both sensing modes to a common reflective surface, enabling their association with the same physical feature for data-level fusion. Building on this formulation, we design two complementary Bayesian frameworks with corresponding factor-graph representations, allowing flexible adaptation to different scene requirements. The effectiveness of the proposed approach is validated through synthetic RF data, demonstrating that the fusion of monostatic and bistatic links consistently yields environment maps with higher accuracy, greater robustness and faster convergence than single-link baselines.

研究の動機と目的

• 低高度の都市区間で多様なセンシング幾何学を有するISAC対応の環境マッピングを動機付ける。
• ファサード幾何を推定し整合的な環境マップを作成するためにマルチパス反射を活用する。
• 非理想的な表面散乱とワン・ツー・マニーなデータ関連を扱う確率的（ベイズ）データ融合を開発する。
• モノスタティック表面情報とバスタティック測定を統合してマッピング精度と頑健性を向上させる。

提案手法

• モノスタティックおよびバスタティック観測をファサード幾何を表す共通の仮想アンカー（VA）へ結ぶ統一的幾何学的関連付けを提案する。
• バスタティック遅延とモノスタティック遅延/角度を拡散的サブパスと推定誤差を含む確率的測定法則でモデル化する。
• 遅延/角度から擬似位置への非線形写像を線形化し、ベイズ推定のためのガウス同等の尤度を得る。
• データレベルの融合のために因子グラフ表現を用いた2つの相補的なベイズ融合スキームを構築する。
• 因子グラフ上の和積推論の計算量分析を提供する。
• 統合的な融合の性能を検証するため、合成RFデータを用いて融合をバスタティックのみおよび特徴量レベルのベースラインと比較する。

実験結果

リサーチクエスチョン

• RQ1 非理想的表面散乱がある場合に、データレベルでモノスタティックとバスタティックの測定をどう統合してファサード幾何を推定できるか？
• RQ2 バスタティックのみアプローチと比較して、マッピング精度・頑健性・収束速度の点でモノスタティックとバスタティックの共同融合の利点は何か？
• RQ3 拡散散乱に起因する1対多のデータ関連を、ベイズ的でグラフベースの枠組み内でどう効果的に扱えるか？
• RQ4 低高度プラットフォーム下のISACでモノスタティックのバックスキャタ情報を組み込むと環境マップ再構成にどのような影響を与えるか？

主な発見

• モノスタティックとバスタティックリンクの融合は、単一リンクのベースラインより高いマッピング精度、頑健性、およびより速い収束を実現する。
• 非理想的散乱の下での1対多データ関連を想定した2つのベイズ融合スキームは、同程度の精度で対応可能。
• 因子グラフ表現は提案された写像のスケーラブルな和積推論を可能にする。
• 合成RFデータを用いたシミュレーションは、モノスタティック表面制約とバスタティック幾何の一貫性を示し、仮想アンカー（VA）推定の改善につながる。
• 本手法はバスタティックのみおよび特徴量レベル融合のベースラインを一貫して上回る改善を達成する。