[논문 리뷰] Adaptive Frequency Band Selection for Accurate and Fast Positioning utilizing SOPs

Nicolas Souli, Panayiotis Kolios외 1명|arXiv (Cornell University)|2022. 06. 09.

Advanced Adaptive Filtering Techniques참고 문헌 26인용 수 2

한 줄 요약

이 논문은 지식 경사도(KG) 최적화를 사용하여 신호 이용 가능성(SOP)과 관성 측정을 통한 빠르고 정확한 상대적 위치 결정을 가능하게 하는 적응형 주파수 대역 선택(FSA) 알고리즘을 제안한다. 수신 신호 강도(RSS)와 베이지안 신뢰도 업데이트를 바탕으로 가장 정보가 많은 주파수 대역을 지능적으로 선택함으로써 RPS+FSA 방법은 계산 부담을 줄이면서도 높은 정밀도를 유지한다. 실시간 UAV 비행 테스트를 통해 하위 20m 이내의 오차와 거의 실시간 성능을 입증하였다.

ABSTRACT

Signals of opportunity (SOPs) are a promising technique that can be used for relative positioning in areas where global navigation satellite system (GNSS) information is unreliable or unavailable. This technique processes features of the various signals transmitted over a broad wireless spectrum to enable a receiver to position itself in space. This work examines the frequency selection problem in order to achieve fast and accurate positioning using only the received signal strength (RSS) of the surrounding signals. Starting with a prior belief, the problem of searching for a frequency band that best matches a predicted location trajectory is investigated. To maximize the accuracy of the position estimate, a ranking-and-selection problem is mathematically formulated. A knowledge-gradient (KG) algorithm from optimal learning theory is proposed that uses correlations in the Bayesian prior beliefs of the frequency band values to dramatically reduce the algorithm's processing time. The technique is experimentally tested for a practical scenario of an unmanned aerial vehicle (UAV) moving around a GPS-denied environment, with obtained results demonstrating its validity and practical applicability.

연구 동기 및 목표

• 신호 이용 가능성(SOP)과 수신 신호 강도(RSS)를 사용한 실시간 상대적 위치 결정에서 높은 계산 비용 문제를 해결하기 위해.
• 정밀도를 희생시키지 않고 대규모 RSS 기반 위치 결정 시스템의 처리 시간과 메모리 사용량을 줄이기 위해.
• 베이지안 최적화를 사용하여 실시간으로 가장 정보가 많은 주파수 대역을 적응적으로 선택하는 효율적인 온라인 알고리즘을 개발하기 위해.
• 실제 UAV 항법 시나리오에서 지식 경사도(KG) 알고리즘의 실시간 구현을 가능하게 하기 위해.

제안 방법

• 최적 학습 이론 내의 순위-선택 문제로 주파수 대역 선택 문제를 수식화한다.
• 주어진 주파수 대역의 위치 결정 정밀도에 대한 베이지안 사전 신뢰도를 기반으로 주파수 대역을 순위 매기는 지식 경사도(KG) 알고리즘을 적용한다.
• 주파수 대역 간의 신호 강도 상관관계를 표현하기 위해 선형 및 비선형 모델을 사용하여 신뢰도 업데이트 효율성을 향상시킨다.
• 가장 유망한 주파수 대역에만 집중함으로써 계산 부담을 추가로 줄이기 위해 부분집합 정책(SP)을 도입한다.
• 실시간으로 대역을 동적으로 선택하고 위치를 추정하기 위해 FSA가 통합된 상대적 위치 결정 시스템(RPS)을 활용한다(RPS+FSA).
• SDR, IMU 및 Jetson Nano를 장착한 UAV를 사용하여 0–3000 MHz 범위의 RSS 데이터를 수집함으로써 방법을 검증한다.

실험 결과

연구 질문

• RQ1 SOP 기반 위치 결정에서 위치 오차를 최소화하면서도 계산 비용을 줄이기 위해 주파수 대역 선택을 어떻게 최적화할 수 있는가?
• RQ2 제한된 계산 자원을 가진 실시간 대규모 RSS 기반 위치 결정에 대해 지식 경사도(KG) 알고리즘이 효율적으로 적용될 수 있는가?
• RQ3 주파수 대역 선택에서 신뢰도 표현에 선형 모델과 비선형 모델을 사용할 경우의 영향은 무엇인가?
• RQ4 적응형 주파수 대역 선택은 UAV 항법에서 실시간 성능과 정밀도에 어떤 영향을 미치는가?
• RQ5 부분집합 정책(SP)은 위치 결정 정밀도를 저하시키지 않으면서 계산 효율성을 얼마나 향상시키는가?

주요 결과

• 비선형 KG 기반 모델은 평균 추정 오차를 20m 이내로 줄였으며, 선형 모델는 일부 경우에서 최대 20m의 오차를 보였다.
• 부분집합 정책(SP)은 전체 대역 스캔 대비 계산 시간을 크게 줄였을 뿐 아니라 추정 오차 또한 감소시켰다.
• RPS+FSA 알고리즘은 실시간 위치 결정 성능을 달성하여 GPS가 불가능한 환경에서 UAV에 실용적으로 구현 가능함을 입증하였다.
• RPS+FSA를 사용해 추정한 궤적은 GPS+IMU 기준값과 밀도적으로 일치하였으며, 그림 6에서 시각적 일치를 확인할 수 있었다.
• 이 방법은 메모리 및 처리 요구량을 줄여 대규모 RSS 데이터셋의 효율적 활용을 가능하게 하여 KG 기반 최적화를 실시간 시나리오에서 실현 가능하게 하였다.