[论文解读] Dataset of Pathloss and ToA Radio Maps With Localization Application

Çağkan Yapar, Ron Levie+2 more|arXiv (Cornell University)|Nov 18, 2022

Indoor and Outdoor Localization Technologies被引用 14

一句话总结

本论文提出了一项公开可用的数据集，涵盖使用高保真射线追踪（WinProp）在701张真实城市地图上模拟的密集城市环境中路径损耗和到达时间（ToA）无线电地图。该数据集支持基于接收信号强度（RSS）和ToA的定位方法的公平比较，并支持深度学习在无线电地图预测中的应用，空间分辨率为1米，且经过严格截断以模拟真实的信号检测阈值。

ABSTRACT

In this article, we present a collection of radio map datasets in dense urban setting, which we generated and made publicly available. The datasets include simulated pathloss/received signal strength (RSS) and time of arrival (ToA) radio maps over a large collection of realistic dense urban setting in real city maps. The two main applications of the presented dataset are 1) learning methods that predict the pathloss from input city maps (namely, deep learning-based simulations), and, 2) wireless localization. The fact that the RSS and ToA maps are computed by the same simulations over the same city maps allows for a fair comparison of the RSS and ToA-based localization methods.

研究动机与目标

• 解决城市环境中缺乏公开可用、高分辨率且一致的无线电地图数据集的问题。
• 通过为两种指标使用相同的仿真框架，实现基于RSS与基于ToA的无线定位方法之间的公平比较。
• 通过提供大规模、逼真的路径损耗与ToA仿真，支持基于深度学习的无线电地图预测。
• 通过提供细粒度（1米）无线电地图，促进高精度定位研究，此类地图通过实地测量难以获取。
• 为在真实城市传播条件下（包括非视 Line-of-Sight (NLOS) 偏差）评估基于ToA的测距算法提供基准。

提出的方法

• 使用WinProp的主导路径模型（DPM）和智能射线追踪（IRT），在701张来自OpenStreetMap的真实城市地图上，基于2次和4次交互（IRT2、IRT4）进行路径损耗与ToA无线电地图的模拟。
• 针对地面级（D2D）和屋顶级（蜂窝基站）配置，共生成56,080次仿真（每张256×256米地图配置80个发射机）。
• 将路径损耗值截断至低于解析阈值（P_L,trnc），使得 M₁ - P_L,thr = 4(P_L,thr - P_L,trnc)，其中 M₁ 为数据集中最大路径损耗。
• 通过 f = max{(P_L - P_L,trnc)/(M₁ - P_L,trnc), 0} 将路径损耗映射为灰度值（0–255），其中 f=0 表示信号低于检测阈值。
• 提供发射机位置、城市地图和道路网络的 .png 图像及包含多边形坐标的 .json 文件，以确保可复现性与系统集成。
• 对建筑物和汽车采用一致的材料模型，并确保ToA值与路径损耗来自相同的射线追踪仿真，从而实现定位方法的直接比较。

实验结果

研究问题

• RQ1 在使用相同城市无线电环境和仿真模型的前提下，基于RSS的定位性能与基于ToA的定位性能相比如何？
• RQ2 在城市NLOS条件下，使用主导路径ToA测量与直接路径估计相比，对测距误差的限制程度如何？
• RQ3 基于本数据集训练的深度学习模型能否从城市地图输入中高分辨率地准确预测路径损耗与ToA？
• RQ4 仿真保真度（如 IRT2 与 IRT4）对无线电地图在定位应用中的真实感与实用性有何影响？
• RQ5 路径损耗截断阈值（P_L,trnc）的选择如何影响信号可检测性及定位算法性能？

主要发现

• 根据直接路径与主导路径之间NLOS偏差的累积分布函数（empirical CDF）分析，数据集中47%的链路处于视 Line-of-Sight (LOS) 状态。
• 在非视 Line-of-Sight (NLOS) 条件下，主导路径引入的NLOS偏差低于任何具有反射的自由空间路径，使其在基于ToA的测距中近乎最优。
• 解析路径损耗阈值（P_L,trnc）的设定使得 P_L,trnc 与 P_L,thr 之间的动态范围为总路径损耗范围的五分之一，从而确保真实信号检测建模的合理性。
• 该数据集1米的分辨率支持高精度定位研究，此类研究在典型基于测量的无线电地图中难以实现。
• 使用相同的仿真引擎（WinProp）处理RSS与ToA，确保了一致性，从而实现了基于RSS与基于ToA的定位算法的公平基准测试。
• 该数据集支持高级应用，如覆盖分类、指纹定位与基于深度学习的无线电地图生成。