[論文レビュー] Integrating Sensing and Communication in Cellular Networks via NR Sidelink

Dariush Salami, Ramin Hasibi+3 more|arXiv (Cornell University)|Sep 15, 2021

Antenna Design and Analysis参考文献 44被引用数 5

ひとこと要約

本稿では、5G以降のネットワークにおけるデバイス主導型で柔軟なRFセンシングを実現するため、3GPP準拠のNRサイドリンクの使用を提案する。角度および回転依存性を解消するため、回転不変型ポイントクラウド処理とグラフベースのエンコーダーを採用する。4種類のマルチアングル学習手法を導入し、15名の被験者から8方向で収集した25,000件のサンプルを含む新しいオープンデータセットを用いて、ベースラインを上回る優れたジェスチャー認識精度を実証する。

ABSTRACT

RF-sensing, the analysis and interpretation of movement or environment-induced patterns in received electromagnetic signals, has been actively investigated for more than a decade. Since electromagnetic signals, through cellular communication systems, are omnipresent, RF sensing has the potential to become a universal sensing mechanism with applications in smart home, retail, localization, gesture recognition, intrusion detection, etc. Specifically, existing cellular network installations might be dual-used for both communication and sensing. Such communications and sensing convergence is envisioned for future communication networks. We propose the use of NR-sidelink direct device-to-device communication to achieve device-initiated,flexible sensing capabilities in beyond 5G cellular communication systems. In this article, we specifically investigate a common issue related to sidelink-based RF-sensing, which is its angle and rotation dependence. In particular, we discuss transformations of mmWave point-cloud data which achieve rotational invariance, as well as distributed processing based on such rotational invariant inputs, at angle and distance diverse devices. To process the distributed data, we propose a graph based encoder to capture spatio-temporal features of the data and propose four approaches for multi-angle learning. The approaches are compared on a newly recorded and openly available dataset comprising 15 subjects, performing 21 gestures which are recorded from 8 angles.

研究の動機と目的

• 標準化されたNRサイドリンクを活用し、将来のセルラーネットワークにおけるデバイス主導型で柔軟なRFセンシングを実現すること。
• 分散型サイドリンクベースのRFセンシングにおける角度および回転依存性という重要な課題に対処すること。
• さまざまなセンサーオリエンテーションに一般化可能な堅牢なマルチアングル学習フレームワークを開発すること。
• 15名の被験者から8方向で収集した高精度なmmWaveジェスチャーデータセットを構築・公開すること。
• データ収集およびモデル学習のためのオープンソースツールを提供し、RFセンシング分野における研究を加速すること。

提案手法

• バックホール依存なしでセンシングを可能とするために、3GPP NRサイドリンクを活用し、リソース割り当ておよびデバイス間直接通信を実現する。
• mmWaveポイントクラウドデータに幾何変換を適用することで、デバイスの向きに依存しない回転不変性を達成し、向きの感度を低減する。
• 分散型かつアングル多様なセンサーからのポイントクラウドデータにおける空間的・時間的依存関係をモデル化するため、グラフベースのエンコーダーを提案する。
• マックスプーリング、アテンションプーリング、ボーティングプーリング、および方向追跡を含む4つのマルチアングル学習戦略を導入し、複数の視点からのデータを統合する。
• センサー入力の相対的な向きに基づいて学習された重みを割り当てることで、新たな方向追跡メカニズムを提案する。
• 8方向から収集されたオープンソースmmWaveレーダープラットフォームを用いた実世界のデータセット（25,000件のジェスチャーサンプル）を活用する。

実験結果

リサーチクエスチョン

• RQ1 NRサイドリンクをどのように効果的に活用することで、セルラーネットワークにおける柔軟でUE主導型のRFセンシングを実現できるか？
• RQ2 センサーオリエンテーションは、サイドリンクベースのRFセンシングにおけるジェスチャー認識精度にどの程度影響を及えるか？
• RQ3 mmWaveポイントクラウドデータにおいて回転不変性を達成できるか？
• RQ4 どのマルチアングル学習戦略が、多様なセンサー構成において最も堅牢かつ正確なジェスチャー認識を実現できるか？
• RQ5 推論時に利用可能なセンサーの数や向きが変化した場合、提案手法はどの程度一般化性能を示すか？

主な発見

• 提案された方向追跡アプローチは、全テスト角度組み合わせにおいて最高の平均認識精度を達成し、すべてのベースラインを上回る。
• 推論時に利用可能な角度数が減少しても、システムは高い性能を維持しており、優れた一般化能力を示している。
• 精度の標準偏差は角度の組み合わせが増えるにつれて上昇し、最適な性能を発揮するには方向情報が不可欠であることが確認された。
• 0°、45°、315°（前面を向いた）のレーダーセンサーが認識に最も寄与しており、180°（背面を向いた）センサーは、背面からも見えないジェスチャーを除き、影響が小さい。
• 片側のジェスチャーでは、動きの方向と同じ側に位置するセンサーの重要度が高くなることが確認され、モデルの空間的感度が裏付けられた。
• オープンデータセットおよびコードベースを公開し、再現性を確保するとともに、mmWaveセンシング分野における今後の研究を加速した。