[论文解读] A Tutorial on Terahertz-Band Localization for 6G Communication Systems

Hui Chen, Hadi Sarieddeen+4 more|arXiv (Cornell University)|Oct 16, 2021

Indoor and Outdoor Localization Technologies被引用 14

一句话总结

本教程提出了一套全面的6G系统太赫兹波段定位框架，通过高分辨率信道估计、智能反射面（RIS）辅助波束成形以及先进的信号处理技术，实现厘米级定位精度。通过仿真对比了太赫兹波段定位与5G毫米波系统的表现，展示了其在位置误差界限（PEB）和方向误差界限（OEB）方面的优越性能，并指出了未来发展的关键挑战与研究方向。

ABSTRACT

Terahertz (THz) communications are celebrated as key enablers for converged localization and sensing in future sixth-generation (6G) wireless communication systems and beyond. Instead of being a byproduct of the communication system, localization in 6G is indispensable for location-aware communications. Towards this end, we aim to identify the prospects, challenges, and requirements of THz localization techniques. We first review the history and trends of localization methods and discuss their objectives, constraints, and applications in contemporary communication systems. We then detail the latest advances in THz communications and introduce the THz-specific channel and system models. Afterward, we formulate THz-band localization as a 3D position/orientation estimation problem, detailing geometry-based localization techniques and describing potential THz localization and sensing extensions. We further formulate the offline design and online optimization of THz localization systems, provide numerical simulation results, and conclude by providing lessons learned and future research directions. Preliminary results illustrate that under the same transmission power and array footprint, THz-based localization outperforms millimeter wave-based localization. In other words, the same level of localization performance can be achieved at THz-band with less transmission power or a smaller footprint.

研究动机与目标

• 应对6G网络中对高精度定位日益增长的需求，特别是在自动驾驶和触觉互联网等应用场景中。
• 识别并分析太赫兹波段定位中的关键挑战，包括硬件损伤、多径效应以及模型失配问题。
• 对比太赫兹波段定位与现有5G毫米波系统的性能，重点关注位置误差界限和方向误差界限。
• 提出一个统一的框架，用于太赫兹波段MIMO和RIS辅助系统的系统建模、信号处理与性能分析。
• 概述关键的开放研究问题，以推动太赫兹定位在真实场景中的实际部署。

提出的方法

• 采用高分辨率信道模型，包含视 Line-of-Sight（LOS）、非视 Line-of-Sight（NLOS）以及RIS反射分量，以捕捉太赫兹波段特有的传播效应。
• 应用Cramér-Rao界限（CRB）与约束Cramér-Rao界限（CCRB），推导位置与姿态估计的理论定位精度极限。
• 结合阵列子阵列（AOSA）架构的波束成形技术，以增强波束方向性并减少大规模MIMO系统中的波束分裂效应（BSE）。
• 引入硬件损伤模型（如相位噪声、I/Q不平衡、时钟漂移），以评估实际性能退化情况。
• 提出联合定位与校准技术，以缓解多基站/RIS场景中锚点位置与姿态误差的影响。
• 探索基于人工智能的方法与场景感知优化技术，以提升在模型失配与动态环境下的鲁棒性。

实验结果

研究问题

• RQ1 太赫兹波段定位在位置误差界限与方向误差界限方面，相较于5G毫米波系统有何优势？
• RQ2 太赫兹波段定位中的主要损伤因素是什么？它们如何影响系统级性能？
• RQ3 RIS辅助波束成形与AOSA架构如何提升定位精度与鲁棒性？
• RQ4 多普勒估计与协作定位在移动及高移动性场景中发挥何种作用？
• RQ5 人工智能与场景感知技术如何在模型失配与训练数据有限的条件下提升定位性能？

主要发现

• 在视距（LOS）条件下，太赫兹波段定位相比毫米波系统显著降低了位置误差界限（PEB）与方向误差界限（OEB）。
• 相位噪声与I/Q不平衡等硬件损伤会降低定位精度，对CRB性能产生可测量的影响。
• 大规模阵列中的波束分裂效应（BSE）限制了方向性增益，因此需要采用AOSA等先进波束成形策略。
• 联合用户设备（UE）定位与基站/RIS校准技术可有效缓解锚点校准误差，从而提升整体系统精度。
• 引入多普勒估计可支持更长的积分时间，适用于跟踪与SLAM应用。
• 场景感知与基于人工智能的定位方法在缓解模型失配、提升动态环境下的鲁棒性方面展现出巨大潜力。