[논문 리뷰] Multipath-based SLAM for Non-Ideal Reflective Surfaces Exploiting Multiple-Measurement Data Association

Lukas Wielandner, Alexander Venus외 2명|arXiv (Cornell University)|2023. 04. 12.

Indoor and Outdoor Localization Technologies인용 수 6

한 줄 요약

이 논문은 비이상적인 반사 표면과 완벽하지 않은 측정 장비를 고려하여, 가상 앵커(VA)당 다수의 측정치를 처리할 수 있는 베이지안 입자 기반 합- tích 알고리즘을 제안한다. 새로운 분산 매개변수를 갖는 통계적 측정 모델을 도입함으로써, 각 VA당 다수의 다중경로 성분(MPC)을 안정적으로 융합하여 실제 무선 환경에서의 위치 추정 정확도와 강인성을 향상시킨다.

ABSTRACT

Multipath-based simultaneous localization and mapping (SLAM) is a promising approach to obtain position information of transmitters and receivers as well as information regarding the propagation environments in future mobile communication systems. Usually, specular reflections of the radio signals occurring at flat surfaces are modeled by virtual anchors (VAs) that are mirror images of the physical anchors (PAs). In existing methods for multipath-based SLAM, each VA is assumed to generate only a single measurement. However, due to imperfections of the measurement equipment such as non-calibrated antennas or model mismatch due to roughness of the reflective surfaces, there are potentially multiple multipath components (MPCs) that are associated to one single VA. In this paper, we introduce a Bayesian particle-based sum-product algorithm (SPA) for multipath-based SLAM that can cope with multiple-measurements being associated to a single VA. Furthermore, we introduce a novel statistical measurement model that is strongly related to the radio signal. It introduces additional dispersion parameters into the likelihood function to capture additional MPCs-related measurements. We demonstrate that the proposed SLAM method can robustly fuse multiple measurements per VA based on numerical simulations.

연구 동기 및 목표

• 거칠은 표면이나 校정되지 않은 안테나 등 비이상적인 조건에서 작동하지 않는 기존 MP-SLAM 방법이 가상 앵커당 하나의 측정치를 가정한다는 한계를 해결한다.
• 신호의 열악한 특성 또는 표면의 거칠기로 인해 하나의 VA에서 다수의 다중경로 성분이 발생할 경우, MP-SLAM에서의 강력한 데이터 연동을 가능하게 한다.
• 무선 신호의 다중경로 성분의 물리적 특성을 더 잘 반영하기 위해 분산 매개변수를 갖는 통계적 측정 모델을 도입한다.
• 다중 측정치-특징 연동 문제를 효율적으로 다룰 수 있도록, 이차 복잡도 스케일링을 보장하는 확장 가능한 인수 그래프 기반 합-곱 알고리즘을 활용한다.
• 실제 환경에서의 다산성 다중경로 효과와 측정 장비의 비완전성 등을 확률적 융합을 통해 모델링함으로써, SLAM 성능을 향상시킨다.

제안 방법

• 확장된 객체 추적에서 유도된 베이지안 입자 기반 합-곱 알고리즘(SPA)을 MP-SLAM에 적응시켜, 하나의 가상 앵커(VA)에 다수의 측정치를 연동할 수 있도록 한다.
• 일련의 VA에서 유래한 다중경로 성분(MPC)의 통계적 산포를 모델링하기 위해 추가적인 분산 매개변수를 갖는 새로운 가능도 함수를 설계한다.
• 측정치가 특정 VA 또는 MPC에 연결되어 있는지를 나타내는 이진 연관 변수(예: $ \tilde{a}^{(j)}_{kl,n} $, $ \bar{a}^{(j)}_{ml,n} $)를 사용해 인수 그래프를 구성한다.
• 합-곱 알고리즘을 이용한 믿음 전파를 위해 메시지 전달 방정식을 유도하며, 가능한 측정치 연관성에 대한 반복적 합산을 통해 정규화된 믿음 확률을 계산한다.
• 믿음 업데이트의 명시적 정규화를 통해 각 연관성 가설에 대한 사후 확률을 계산함으로써 수치 안정성과 정확한 확률적 추론을 보장한다.
• 가짜 신호, 탐지 실패, 잡음 등과 같은 문제를 동시에 처리할 수 있도록, 제안된 모델을 순차적 베이지안 추정 프레임워크에 통합한다.

(a)

실험 결과

연구 질문

• RQ1 비이상적인 반사 표면이나 측정 장비의 비완전성으로 인해 하나의 가상 앵커(VA)에 다수의 측정치가 발생할 경우, MP-SLAM은 어떻게 확장될 수 있는가?
• RQ2 실제 무선 전파 환경에서 하나의 VA에서 유래한 다중경로 성분의 산포를 정확하게 표현할 수 있는 통계적 모델은 무엇인가?
• RQ3 SLAM의 다중 측정치-특징 연동 문제에서 발생하는 조합적 복잡도를 효율적으로 관리할 수 있는 확장 가능한 베이지안 추론 프레임워크를 설계할 수 있는가?
• RQ4 실제 신호 열악성과 표면의 거칠기 조건에서, 제안된 방법은 기존의 MP-SLAM 접근 방식에 비해 위치 추정 정확도와 강인성을 어떻게 향상시키는가?
• RQ5 가능도 함수에 분산 매개변수를 포함함으로써, 무선 신호 기반 SLAM에서의 다산성 다중경로 효과 모델링은 어느 정도 향상될 수 있는가?

주요 결과

• 제안된 베이지안 입자 기반 SPA는 비이상적인 환경에서 거친 반사 표면이나 校정되지 않은 안테나가 존재하더라도, 가상 앵커당 다수의 측정치를 효과적으로 처리하여 강인한 SLAM을 가능하게 한다.
• 가능도 함수에 분산 매개변수를 도입함으로써 다중경로 성분의 모델링이 크게 향상되어, 하나의 VA에서 유래한 신호의 물리적 산포를 잘 반영한다.
• 수치 시뮬레이션 결과, 이 방법은 각 VA당 다수의 MPC 관련 측정치를 안정적으로 융합할 수 있으며, 위치 추정 정확도 향상과 추정 오차 감소를 이룬다.
• 특징 수와 측정치 수에 대해 이차 복잡도 스케일링을 유지함으로써 계산의 확장성을 확보하였으며, 공간적으로 가까운 측정치의 비최적의 군집화 문제를 방지한다.
• 합-곱 알고리즘을 통한 믿음 전파 방식은 저 SNR 및 높은 잡음 조건에서도 안정적이고 정확한 데이터 연동을 달성한다.
• 정규화된 믿음 업데이트(식 80 및 81)는 수치 안정성과 정확한 확률적 추론을 보장하여, 연관성 확률의 신뢰성 있는 추정을 가능하게 한다.

(b)