[論文レビュー] OpenCSI: An Open-Source Dataset for Indoor Localization Using CSI-Based Fingerprinting

Arthur Gassner, Claudiu Musat+2 more|arXiv (Cornell University)|Apr 16, 2021

Indoor and Outdoor Localization Technologies被引用数 8

ひとこと要約

本論文では、室内LTE環境で、車輪付きロボットを用いて自動化されたSDRベースのシステムにより収集されたCSIフォトグラムを含むオープンソースのラジオマップ、OpenCSIを提示する。このデータセットにより、室内ロケーションにおけるCSIベースのフォトグラム化が可能となり、実験では深層学習モデルが未観測領域に一般化可能であることが示されたが、参照点間隔が50cmを超えると性能が著しく低下するため、疎なラジオマップ状況には限界があることが示された。

ABSTRACT

Many applications require accurate indoor localization. Fingerprint-based localization methods propose a solution to this problem, but rely on a radio map that is effort-intensive to acquire. We automate the radio map acquisition phase using a software-defined radio (SDR) and a wheeled robot. Furthermore, we open-source a radio map acquired with our automated tool for a 3GPP Long-Term Evolution (LTE) wireless link. To the best of our knowledge, this is the first publicly available radio map containing channel state information (CSI). Finally, we describe first localization experiments on this radio map using a convolutional neural network to regress for location coordinates.

研究の動機と目的

• フォトグラムベースの室内ロケーションにおける、人的に労力がかかるラジオマップ収集フェーズの自動化を目的とする。
• 公開可能な高精度なラジオマップの作成とリリースを目的とし、LTEリンクからのCSI測定値を含む。
• 畳み込みニューラルネットワーク（CNN）を用いた位置回帰のためのCSIベースのフォトグラム化の実現可能性を評価することを目的とする。
• 参照点密度および空間的カバレッジがロケーション性能に与える影響を調査することを目的とする。
• 今後のCSIベースの室内ロケーション研究のためのベンチマークデータセットを提供することを目的とする。

提案手法

• 車輪付きロボット（Thymio II）に搭載されたSDR（USRP B200mini）が、3.5m × 5mの屋内領域を自動走行し、CSIデータを収集する。
• LTE信号からCSIが抽出され、1フレームあたり1200個の複素数サブキャリアで表され、各サブキャリアの振幅と位相は $ H_i = |H_i|e^{j\angle H_i} $ として表現される。
• 畳み込みニューラルネットワーク（CNN）を訓練し、CSIフォトグラムからデバイスの2次元デカルト座標に回帰させる。
• データセットには172の参照点（RPs）と100のテスト点（TPs）が含まれており、一定間隔でフォトグラムが収集されている。
• 実験では、RP間隔（2cmから200cm）を変化させ、『ホール』実験およびモデルアンサンブルを用いて未観測領域への一般化を評価する。
• ベースラインモデルとして、ランダムなCSI入力を用いてRPsの重心を予測し、最小達成可能誤差を評価する。

実験結果

リサーチクエスチョン

• RQ1 自動化されたSDRベースのデータ収集が、信頼性があり、公開可能なCSIラジオマップを屋内ロケーションに提供できるか？
• RQ2 CSIフォトグラムで訓練された深層学習モデルが、以前に観測されていなかった場所にどの程度一般化できるか？
• RQ3 参照点（RP）間隔の密度が、CSIベースのロケーション性能に与える影響はいかほどか？
• RQ4 このデータセットを用いたロケーションの最小性能閾値（ベースライン）は何か？
• RQ5 CSIフォトグラムのみで、実世界の屋内LTE環境において1m未塔のロケーション精度を達成できるか？

主な発見

• オープンソースのラジオマップには172の参照点と100のテスト点が含まれており、SDRおよび車輪付きロボットを用いて収集されたCSIにより、再現可能な研究が可能である。
• RP間隔が2cm、5cm、10cmの場合、モデルはベースライン（中央値誤差175cm）を上回る性能を示し、空間的フォトグラム相関の学習に成功していることが示された。
• RP間隔が50cm以上の場合、重心の予測がモデルよりも正確になるため、疎なマップでは一般化に失敗していることが示された。
• ホール実験において、ベースラインより低い誤差が得られたことから、密度の高いマップ内では未観測領域への空間的一般化能力が示された。
• このデータセットは、175cmのベースラインを上回る性能を持つ手法の評価にしか対応できず、低精度手法の評価には制限がある。
• 結果から、CSIフォトグラムが空間的に有意に変化すること、学習ベースのロケーションに適していることが確認されたが、性能はラジオマップ密度に極めて敏感であることが示された。