[논문 리뷰] Radio Sensing with Large Intelligent Surface for 6G

Cristian J. Vaca-Rubio, Pablo Ramirez-Espinosa외 3명|arXiv (Cornell University)|2021. 11. 04.

Indoor and Outdoor Localization Technologies인용 수 8

한 줄 요약

이 논문은 6G 네트워크에서 대규모 지능형 표면(LIS)을 사용한 새로운 라디오 센싱 프레임워크를 제안하며, 전용 하드웨어 없이 환경의 통신 신호를 활용해 수동 및 능동 사용자를 감지한다. 일치 필터링을 통한 라디오 맵 재구성과 이미지 처리 기반 k-means 클러스터링을 적용함으로써, 저SNR(0 dB) 조건에서도 수동 인체 감지율 98%와 능동 사용자 감지율 100%를 달성하여 실내 환경에서 높은 내구성과 정확도를 입증한다.

ABSTRACT

This paper leverages the potential of Large Intelligent Surface (LIS) for radio sensing in 6G wireless networks. Major research has been undergone about its communication capabilities but it can be exploited as a formidable tool for radio sensing. By taking advantage of arbitrary communication signals occurring in the scenario, we apply direct processing to the output signal from the LIS to obtain a radio map that describes the physical presence of passive devices (scatterers, humans) which act as virtual sources due to the communication signal reflections. We then assess the usage of machine learning (k-means clustering), image processing and computer vision (template matching and component labeling) to extract meaningful information from these radio maps. As an exemplary use case, we evaluate this method for both active and passive user detection in an indoor setting. The results show that the presented method has high application potential as we are able to detect around 98% of humans passively and 100% active users by just using communication signals of commodity devices even in quite unfavorable Signal-to-Noise Ratio (SNR) conditions.

연구 동기 및 목표

• 대규모 지능형 표면(LIS)이 주로 통신 기능을 수행하는 것을 넘어서, 6G 네트워크에서 라디오 센싱 잠재력을 탐색하기 위해.
• 일반 기기에서 오는 환경 라디오 신호만을 사용하여 수동 산란체(예: 인간)를 감지하는 데 도전하는 것.
• 기계학습과 컴퓨터 비전 기법을 통합하여 실내 환경에서의 다중 사용자 감지를 위한 저복잡도, 높은 내구성의 센싱 프레임워크를 개발하기 위해.
• 저SNR 조건과 다양한 수의 능동 사용자에 대한 시스템 성능을 평가하여 실생활 구현 가능성의 실증을 위해.

제안 방법

• 신호 대비 잡음비(SNR)를 극대화하고 시간 도착 정보를 추출하기 위해 일치 필터링을 사용하여 LIS 출력 신호를 처리함으로써 전파 환경의 라디오 맵을 재구성한다.
• 신호 측정의 안정성과 노이즈 영향을 줄이기 위해 일관성 시간 임계값을 적용한 슬라이딩 윈도우 알고리즘을 적용한다.
• 재구성된 라디오 맵에 k-means 클러스터링을 적용하여 인간 또는 기기 위치에 해당하는 고유한 산란체 클러스터를 식별한다.
• 개체 레이블링과 템플릿 매칭과 같은 이미지 처리 기법을 통해 개별 산란체를 구분하고 정확히 위치를 파악함으로써 감지 정확도를 향상시킨다.
• Wi-Fi와 같은 기존 통신 신호의 채널 상태 정보(CSI)를 활용하여 추가 전송이나 하드웨어 없이도 수동 센싱을 가능하게 한다.
• 특히 저SNR(γ = 0 dB) 조건에서 노이즈가 많은 환경에서도 내구성을 높이기 위해 100회의 측정값을 평균화한다.

실험 결과

연구 질문

• RQ1 대규모 지능형 표면(LIS)이 전용 전송이나 하드웨어 없이도 환경 통신 신호만을 사용하여 수동 및 능동 사용자를 효과적으로 감지하는 데 사용될 수 있는가?
• RQ2 공유된 라디오 환경에서 능동 사용자 수가 수동 인간 감지 성능에 어떤 영향을 미치는가?
• RQ3 실제 SNR 조건에서 두 사람 간의 최소 간격은 시스템이 신뢰성 있게 감지할 수 있는가?
• RQ4 k-means 클러스터링과 컴퓨터 비전 기법의 통합이 라디오 맵 분석의 감지 정확도와 내구성에 얼마나 기여하는가?

주요 결과

• 저SNR 0 dB 조건에서도 환경 통신 신호만을 사용하여 실내 환경에서 수동 인체 감지 평균 정확도가 98%에 도달한다.
• 능동 사용자 감지 정확도는 100%에 도달하여 기존 기기 전송을 활용할 경우 시스템의 높은 신뢰성을 입증한다.
• 감지된 인체의 위치 오차는 수동 감지 시 평균 약 28cm, 능동 추적 시 90%의 경우 약 5.5cm로 낮은 편을 유지한다.
• 능동 사용자 수의 증가는 수동 감지 성능에 미미한 영향을 미치지만, 더 많은 신호 반사로 인해 수동 인체 감지 가능성이 증가한다.
• 사람 간 거리가 25cm로 매우 가까운 경우에도 시스템은 높은 성능 유지를 보이며, 가장 도전적인 간격 조건에서 평균 1.5명의 인간을 감지한다.
• γ = 10 dB와 γ = 0 dB 조건 모두에서 일관된 결과를 보이며 노이즈에 대한 내구성이 확인되었으며, 일치 필터링과 신호 평균화의 효과를 입증한다.