[論文レビュー] Sensor Assisted Movement Identification and Prediction for Beamformed 60 GHz Links: A Report

Arjan Doff, Kishor Chandra+1 more|arXiv (Cornell University)|Feb 13, 2015

Millimeter-Wave Propagation and Modeling参考文献 17被引用数 4

ひとこと要約

本論文では、モバイルデバイスに内蔵されたモーションセンサ（加速度計およびジャイロスコープ）を用いて、ユーザーの移動（直線移動、回転、遮断）によって引き起こされるビームフォーマー60 GHzリンクのビームズレを検出および予測する手法を提案する。移動タイプの分類と将来のビームアライメントの予測により、再ビームフォーミングの発生頻度を最大12倍まで低減し、MAC層のオーバーヘッドを削減しながら高いリンク品質を維持する。

ABSTRACT

Large available bandwidth in 60\,GHz band promises very high data rates -- in the order of Gb/s. However, high free-space path loss makes it necessary to employ beamforming capable directional antennas. When beamforming is used, the links are sensitive to misalignment in antenna directionality because of movement of devices. To identify and circumvent the misalignments, we propose to use the motion sensors (i.e., accelerometer and gyroscope) which are already present in most of the modern mobile devices. By finding the extent of misaligned beams, corrective actions are carried out to reconfigure the antennas. Motion sensors on mobile devices provide means to estimate the extent of misalignments. We collected real data from motion sensors and steer the beams appropriately. The results from our study show that the sensors are capable of detecting the cause of errors as translational or rotational movements. Furthermore it is also shown that the sensor data can be used to predict the next location of the user. This can be used to reconfigure the directional antenna to switch the antenna beam directions and hence avoid frequent link disruptions. This decreases the number of beam searches thus lowering the MAC overhead.

研究の動機と目的

• ユーザーの移動による60 GHzネットワークにおける頻繁なビームズレの課題に対処すること。これによりリンク品質が低下し、MAC層のオーバーヘッドが増加する。
• モバイルデバイスに既存のモーションセンサ（加速度計およびジャイロスコープ）を活用し、ビームズレを引き起こす直線移動および回転移動を検出すること。
• 信号品質の低下が生じる前に将来のビームアライメントの必要性を予測する予測機構を構築することにより、再ビームフォーミング手順を最小限に抑えること。
• センサデータを用いて移動タイプ（直線移動、回転、遮断）を分類することで、リンク安定性を向上させ、再ビームフォーミングのオーバーヘッドを低減すること。
• センサ支援予測が、高い受信信号電力を維持しつつ、再ビームフォーミングの回数を顕著に削減できることを実証すること。

提案手法

• モバイルデバイスから実際のモーションセンサデータ（加速度計およびジャイロスコープ）を収集し、直線移動および回転移動を検出する。
• k-近傍法（k-NN）分類を適用して、ビームズレの原因となる移動タイプ（直線移動、回転、遮断）を特定する。
• センサデータを用いて、リンク品質が低下する前に次の適切なビームペアを予測し、方向性アンテナの再設定を実施する。
• 予測結果を動的しきい値ベースのビーム切り替えメカニズムと統合し、信号電力が定義されたしきい値未満に下がった場合にのみ再ビームフォーミングをトリガーする。
• ユーザー移動をランダムウェイポイントモデル（RWP-M）を用いてシミュレートし、さまざまなドロップオフしきい値と予測戦略の下での性能を評価する。
• ルート長で再ビームフォーミング頻度を正規化し、再ビームフォーミングイベントの割合を算出し、性能のトレードオフを評価する。

実験結果

リサーチクエスチョン

• RQ1 モバイルデバイスに内蔵されたモーションセンサは、ビームズレが直線移動か回転移動によるものかを正確に検出できるか？
• RQ2 センサベースの予測は、60 GHzビームフォーマードリンクにおける再ビームフォーミング手順の回数をどの程度削減できるか？
• RQ3 信号電力のドロップオフしきい値の選択が、再ビームフォーミング頻度と受信信号電力のトレードオフに与える影響は何か？
• RQ4 誤予測がリンク品質に与える影響は何か。また、ビームペア検証によってその影響をどのように軽減できるか？
• RQ5 センサ支援予測は、60 GHzネットワークにおいて高い受信信号電力を維持しつつ、MAC層のオーバーヘッドを最小限に抑えることができるか？

主な発見

• モーションセンサは直線移動および回転移動を効果的に検出でき、k-NNを用いたビームズレ原因の正確な分類が可能である。
• センサベースの予測により、予測なしの場合と比較して再ビームフォーミングイベントの発生頻度が最大12倍まで低減され、ドロップオフしきい値が-4 dBmの場合には再ビームフォーミング率がわずか0.5%にまで低下した。
• 再ビームフォーミング率が最小（0.5%）となるのはドロップオフしきい値が-4 dBmのときであり、より高いしきい値（例：-3 dBm）では過剰発動により再ビームフォーミング率が上昇した。
• 低いドロップオフしきい値（例：-10 dBm）では、ビーム切り替えの遅延と高い誤予測率により再ビームフォーミングが増加し、信号電力の低下が生じた。
• すべてのテストされたしきい値において、平均受信電力は予測なしの場合と比較して0.5 dBm以内に保たれ、誤予測があっても性能損失は最小限に抑えられた。
• 再ビームフォーミング頻度と受信信号電力の最適なバランスは、平均受信電力の観点では-3 dBm、再ビームフォーミング最小化の観点では-4 dBmで達成された。