[論文レビュー] Real-time Localization Using Radio Maps

Çağkan Yapar, Ron Levie+2 more|arXiv (Cornell University)|Jun 9, 2020

Indoor and Outdoor Localization Technologies参考文献 20被引用数 4

ひとこと要約

本稿では、都市部のセルラー通信網において、基地局からの受信信号強度（RSS）測定値を用いて、リアルタイムで動作するラジオマップベースの局所化手法を提案する。RadioUNet——深層学習に基づくパスロスシミュレータ——を活用することで、複雑な都市環境における動的障害物（車両など）が存在する状況でも、2メートル未塔の高精度なユーザー機器（UE）位置推定を実現するラジオマップを正確に構築する。

ABSTRACT

This paper deals with the problem of localization in a cellular network in a dense urban scenario. Global Navigation Satellite System typically performs poorly in urban environments when there is no line-of-sight between the devices and the satellites, and thus alternative localization methods are often required. We present a simple yet effective method for localization based on pathloss. In our approach, the user to be localized reports the received signal strength from a set of base stations with known locations. For each base station we have a good approximation of the pathloss at each location in the map, provided by RadioUNet, an efficient deep learning-based simulator of pathloss functions in urban environment, akin to ray-tracing. Using the approximations of the pathloss functions of all base stations and the reported signal strengths, we are able to extract a very accurate approximation of the location of the user.

研究の動機と目的

• 視線遮断（NLOS）条件が顕著な都市環境におけるGNSSの性能劣化を解消すること。
• 都市部の電波伝搬を単純化しすぎた従来のRSSベースの局所化手法の限界を克服すること。
• 基地局からの標準的なRSS測定値のみを用いて、リアルタイムかつ高精度な局所化を実現すること。
• 高価な物理的レイトレーシングシミュレーションを回避する、スケーラブルで計算効率の良い手法を開発すること。
• 学習されたパスロスモデルを統合した、実世界の都市動的要因に適応可能な耐障害性の高い局所化フレームワークを構築すること。

提案手法

• 都市の幾何構造と基地局の位置情報を入力として、地上測定データが不要なRadioUNet Cを用いてパスロスマップを生成する。
• スパarselyな地上測定データを統合することで、複雑な環境における精度を向上させるためにRadioUNet Sを用いてパスロスマップを精緻化する。
• RadioUNetの出力を用いて、各基地局ごとのラジオマップを構築し、パスロスを空間的位置の関数として表現する。
• 複数の基地局における受信信号強度の等高線を合算することでUE位置を推定し、局所化の安定性を向上させる。
• ノイズ耐性（epsilon）を変化させた複数の推定値を統合する投票ベースのアルゴリズムを適用し、耐障害性を強化する。
• 訓練データを用いてハイパーパramータ（epsilonと標準偏差）を最適化し、未知のテストマップにおける局所化誤差を最小化する。

実験結果

リサーチクエスチョン

• RQ1 深層学習ベースのラジオマップシミュレータ（RadioUNet）は、都市部のパスロスモデリングにおいて、計算コストの高いレイトレーシングを代替できるか？
• RQ2 高密度都市部において、事前計算されたラジオマップとRSS測定値のみを用いて、UE局所化をどの程度の精度で達成できるか？
• RQ3 RadioUNet Sに実世界の測定データを統合することで、完全にシミュレーションされたモデルと比較して、局所化精度がどの程度向上するか？
• RQ4 移動する車両などの存在を伴う動的都市環境下でも、本手法はどの程度の性能を示すか？
• RQ5 リアルタイム配備において、局所化精度と計算効率の最適なトレードオフは何か？

主な発見

• RadioUNet Cと等高線の合算を用いた場合、DPMデータセットで1.3メートルの局所化誤差を達成した。
• 車両を含むシミュレーションで訓練されたRadioUNet Sを用いることで、1.6メートルの局所化誤差を達成し、動的障害物に対して高い耐性を示した。
• 高精度なIRT4シミュレーションでは、局所化誤差がわずか2.24メートルであり、標準偏差がゼロ（Q=0 m）であったため、極めて一貫性の高い性能を示した。
• IRT2シミュレーションでテストした際、粗いシミュレーションに基づくモデルと比較して、本手法は優れた性能を示し、高精度データへの適応の利点を裏付けた。
• 標準偏差に基づいてepsilonを選択する2番目のアルゴリズムは、固定epsilonアプローチよりも高い精度を達成しており、基地局数の増加に伴いその優位性が顕著になった。
• 地上測定データが限られている状況でも本手法は有効であり、RadioUNet Sが最小限のキャリブレーションで実世界の状況にうまく適応できることを示した。