[论文解读] 5G Positioning and Mapping with Diffuse Multipath

Fuxi Wen, Josef Kulmer+2 more|arXiv (Cornell University)|Dec 18, 2019

Millimeter-Wave Propagation and Modeling参考文献 40被引用 5

一句话总结

该论文提出了一种基于张量的5G毫米波信道估计算法，能够精确建模非镜面反射的散射多径，而无需依赖镜面路径，从而仅利用散射信号即可实现高精度定位与三维环境映射。该方法在具有不同表面粗糙度的复杂传播环境中表现出鲁棒性能，优于传统假设信道稀疏性或镜面反射的算法。

ABSTRACT

5G mmWave communication is useful for positioning due to the geometric connection between the propagation channel and the propagation environment. Channel estimation methods can exploit the resulting sparsity to estimate parameters(delay and angles) of each propagation path, which in turn can be exploited for positioning and mapping. When paths exhibit significant spread in either angle or delay, these methods breakdown or lead to significant biases. We present a novel tensor-based method for channel estimation that allows estimation of mmWave channel parameters in a non-parametric form. The method is able to accurately estimate the channel, even in the absence of a specular component. This in turn enables positioning and mapping using only diffuse multipath. Simulation results are provided to demonstrate the efficacy of the proposed approach.

研究动机与目标

• 解决现有5G毫米波定位方法的局限性，即假设存在镜面或稀疏路径，而在非镜面多径环境中失效的问题。
• 开发一种一阶、非参数化的信道估计算法，可在不预先知道路径数量的情况下捕捉簇内角度扩展与延迟扩展。
• 仅利用非镜面多径分量实现精确的用户定位与三维环境映射，即使在无直接视 Line-of-sight 路径的情况下亦可实现。
• 评估该方法在真实三维毫米波传播环境中，面对不同表面粗糙度与散射条件下的鲁棒性。

提出的方法

• 该方法采用典型多维（CP）张量分解，从三维毫米波信道测量中联合估计各多径分量的到达角与出发角。
• 将信道建模为由时间、频率和阵列响应三个维度构成的三维张量，利用其多维结构提升分辨率。
• 该方法不假设每簇中路径数量固定，即使不存在主导的镜面路径，也能估计参数。
• 路径估计完成后，通过基于估计的到达角与出发角向量的最小二乘解，利用几何相交法重构散射点。
• 该方法在所有估计路径或每簇中选定的子集上应用代价函数，以提升鲁棒性并降低计算负载。
• 利用张量结构分离并估计具有显著角度扩展与延迟扩展的多个非视 Line-of-sight（NLOS）簇的参数。

实验结果

研究问题

• RQ1 基于张量的方法是否能在无镜面分量依赖的情况下，准确估计存在非镜面多径时的毫米波信道参数？
• RQ2 当仅存在散射信号时，所提方法在定位精度与环境映射方面的表现如何？
• RQ3 表面粗糙度对信道参数估计精度及后续定位性能有何影响？
• RQ4 与传统的压缩感知或参数化子空间方法相比，该方法在分辨密集、非稀疏多径簇方面表现如何？

主要发现

• 所提出的基于张量的方法即使在无视 Line-of-sight 或镜面分量的环境中，也能仅依赖非镜面多径实现信道参数的精确估计。
• 仿真结果表明，该方法在具有粗糙表面的三维城市类环境中，成功实现了用户定位与散射点位置重建，精度达到亚米级。
• 该方法在不同表面粗糙度水平下均保持高性能，表现出对散射分布与簇扩展变化的鲁棒性。
• 与忽略簇内扩展的方法相比，定位精度显著提升，尤其在密集散射的非视 Line-of-sight 场景中表现更优。
• CP分解的使用可可靠分离多个重叠的簇，即使路径在角度或延迟域中不可分辨亦可实现。
• 计算复杂度可控，主要开销为CP分解，且该方法在估计路径数量增加时具有良好的可扩展性。