[논문 리뷰] 3-D Positioning and Environment Mapping for mmWave Communication Systems

Jie Yang, Shi Jin외 3명|arXiv (Cornell University)|2019. 08. 12.

Indoor and Outdoor Localization Technologies참고 문헌 35인용 수 10

한 줄 요약

이 논문은 하이브리드 시간 지연도, 도착 각도, 주파수 차이 도착 측정치를 사용한 mmWave 클라우드 무선접근망(CRAN)을 위한 3차원 협업 위치 결정 및 환경 매핑 프레임워크를 제안한다. 디시미터 수준의 정확도를 달성하는 폐쇄형 가중 최소 제곱(WLS) 추정기와 신경망을 활용해 센티미터 수준 정밀도를 확보한 WLS-넷 기반 SLAM 알고리즘을 도입하였으며, 공개된 레이 트레이싱 데이터셋을 통해 검증되었다.

ABSTRACT

Millimeter-wave (mmWave) cloud radio access networks (CRANs) provide new opportunities for accurate cooperative localization, in which large bandwidths, large antenna arrays, and increased densities of base stations allow for their unparalleled delay and angular resolution. Combining localization into communications and designing simultaneous localization and mapping (SLAM) algorithms are challenging problems. This study considers the joint position and velocity estimation and environment mapping problem in a three-dimensional mmWave CRAN architecture. We first embed cooperative localization into communications and establish the joint estimation and mapping model with hybrid delay and angle measurements. Then, we propose a closed-form weighted least square (WLS) solution for the joint estimation and mapping problems. The proposed WLS estimator is proven asymptotically unbiased and confirmed by simulations as effective in achieving the Cramer-Rao lower bound (CRLB) and the desired decimeter-level accuracy. Furthermore, we propose a WLS-Net-based SLAM algorithm by embedding neural networks into the proposed WLS estimators to replace the linear approximations. The solution possesses both powerful learning ability of the neural network and robustness of the proposed geometric model, and the ensemble learning is applied to further improve positioning accuracy. A public ray-tracing dataset is used in the simulations to test the performance of the WLS-Net-based SLAM algorithm, which is proven fast and effective in attaining the centimeter-level accuracy.

연구 동기 및 목표

• 차세대 무선 네트워크를 위한 mmWave CRAN에서 고정밀 3차원 위치 결정 및 환경 매핑을 가능하게 하기 위해.
• 하이브리드 측정치(TDoA, AoA, FDoA)를 이용한 사용자 기지국의 위치, 속도 및 환경 구조의 동시 추정 문제를 해결하기 위해.
• 기하학적으로 타당하면서도 학습 가능한 프레임워크를 개발하여 폐쇄형 WLS 추정과 딥러닝을 융합해 강력한 SLAM을 구현하기 위해.
• 실제 레이 트레이싱 데이터를 활용해 복잡한 도시 및 실내 환경에서 센티미터 수준의 위치 결정 정확도를 달성하기 위해.

제안 방법

• 3차원 mmWave CRAN 환경에서 하이브리드 TDoA, AoA, FDoA 측정치를 기반으로 공동 추정 및 매핑 모델을 수립한다.
• 위치 및 속도 동시 추정을 위한 폐쇄형 가중 최소 제곱(WLS) 추정기를 유도하였으며, 점점 작아지는 측정 노이즈 조건에서 점근적으로 편향이 없는 것으로 증명되었다.
• WLS 추정기가 크래머-라오 하한(CRLB)에 도달할 수 있는 이론적 조건을 설정하여 최적 성능 보장.
• 선형 근사치를 대체하기 위해 신경망을 WLS 프레임워크에 통합하여 WLS-넷을 제안한다.
• WLS-넷 내부에서 앙상블 학습을 적용하여 위치 결정 정확도와 일반화 능력을 추가로 향상시킨다.
• 실제 mmWave 전파 환경을 시뮬레이션하기 위해 공개된 레이 트레이싱 데이터셋을 사용하여 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 하이브리드 측정치를 사용하는 3차원 mmWave CRAN 환경에서 폐쇄형 WLS 추정기가 CRLB에 가까운 최적의 위치 결정 정확도를 달성할 수 있는가?
• RQ2 신경망을 기하학적 추정 모델에 효과적으로 통합하여 위치 결정의 견고성과 정확도를 향상시킬 수 있는가?
• RQ3 WLS-넷 기반 SLAM 알고리즘이 실제 mmWave 전파 환경에서 센티미터 수준의 정확도를 달성할 수 있는가?
• RQ4 제안된 프레임워크는 도시 및 실내 환경에서 높은 정밀도로 위치, 속도 및 환경 구조를 동시에 추정할 수 있는가?
• RQ5 앙상블 학습은 WLS-넷 기반 SLAM 시스템의 성능을 어떻게 향상시키는가?

주요 결과

• 제안된 WLS 추정기는 디시미터 수준의 위치 결정 정확도를 확보하며, 소규모 측정 노이즈 조건에서 점점 Cramér-Rao 하한(CRLB)에 수렴한다.
• WLS-넷 기반 SLAM 알고리즘은 공개된 레이 트레이싱 데이터셋을 사용한 시뮬레이션에서 센티미터 수준의 정확도를 달성한다.
• WLS 프레임워크에 신경망을 통합함으로써 순수 기하학적 추정을 초월한 견고성과 성능 향상이 이루어진다.
• WLS-넷 내부의 앙상블 학습은 분산을 감소시키고 일반화 능력을 향상시켜 위치 결정 정확도를 추가로 향상시킨다.
• 이론적 분석을 통해 WLS 추정기가 특정 조건 하에서 CRLB에 도달함을 확인하여 그 최적성의 타당성을 입증한다.
• 이 프레임워크는 mmWave CRAN에서 실시간 고정밀 위치 결정 및 환경 매핑의 강력한 잠재력을 보여준다.