[论文解读] Joint Positioning and Tracking via NR Sidelink in 5G-Empowered Industrial IoT: Releasing the Potential of V2X Technology

Yi Lu, Mike Koivisto+5 more|arXiv (Cornell University)|Jan 15, 2021

Indoor and Outdoor Localization Technologies参考文献 8被引用 6

一句话总结

该论文提出了一种基于网络中心化的扩展卡尔曼滤波（EKF）联合定位与跟踪框架，用于工业物联网中的5G NR侧链通信，利用侧链参考信号（Sidelink Reference Signals）的飞行时间（Time-of-Flight）和到达角（Angle-of-Arrival, AoA）测量。在26 GHz频段的真实射线追踪仿真中，即使在锚节点位置未知且动态部署的情况下，仍实现了亚米级的三维定位精度。

ABSTRACT

The fifth generation (5G) mobile networks with enhanced connectivity and positioning capabilities play an increasingly important role in the development of automated vehicle-to-everything (V2X) and other advanced industrial Internet of Things (IoT) systems. In this article, we address the prospects of 5G New Radio (NR) sidelink based V2X networks and their applicability for increasing the situational awareness, in terms of continuous tracking of moving connected machines and vehicles, in industrial systems. For increased system flexibility and fast deployments, we assume that the locations of the so-called anchor nodes are unknown, and describe an extended Kalman filter-based joint positioning and tracking framework in which the locations of both the anchor nodes and the target nodes can be estimated simultaneously. We assess and demonstrate the achievable 3D positioning and tracking performance in the context of a realistic industrial warehouse facility, through extensive ray-tracing based evaluations at the 26 GHz NR band. Our findings show that when both angle-based and time-based measurements are utilized, reaching sub-1 meter accuracy is realistic and that the system is also relatively robust against different node geometries. Finally, several research challenges towards achieving robust, high-performance and cost-efficient positioning solutions are outlined and discussed, identifying various potential directions for future work.

研究动机与目标

• 通过实现实时跟踪移动车辆和机器，解决工业物联网中持续态势感知的挑战。
• 通过联合估计锚节点与目标节点位置，克服在动态、按需部署场景下锚节点位置未知的局限性。
• 在复杂工业环境（如仓库）中实现鲁棒、高精度的三维定位。
• 通过优化的几何结构与测量融合策略，以较少的锚节点数量实现成本高效的性能。

提出的方法

• 利用5G NR侧链参考信号（SL-RS）获取目标节点与锚节点之间的飞行时间（Time-of-Flight）和到达角（AoA）测量。
• 采用网络中心化的扩展卡尔曼滤波（EKF）算法，实现实时联合估计与跟踪锚节点与目标节点的三维位置。
• 基于射线追踪的信道建模方法，结合真实工业仓库的详细数字地图，模拟26 GHz频段下的真实传播条件。
• 融合基于延迟的（飞行时间）与基于角度的（AoA）测量，提升在不同节点几何构型下的鲁棒性。
• 所有测量数据在网路侧（边缘/云服务器）进行处理，降低设备功耗，实现集中式、高精度计算。
• 通过面向几何结构的资源管理与测量融合策略，优化系统性能。

实验结果

研究问题

• RQ1 在基于5G NR侧链的工业V2X网络中，能否实现锚节点与目标节点的联合定位与跟踪，且精度达到亚米级？
• RQ2 引入到达角（AoA）测量对不同节点几何构型下的定位鲁棒性有何影响？
• RQ3 在真实的工业仓库环境中，锚节点与目标节点的数量对可实现的三维定位精度有何影响？
• RQ4 在复杂工业设施中常见的非视 Line-of-Sight（NLoS）和遮挡传播条件下，系统性能如何？
• RQ5 在5G赋能的工业物联网中，实现成本高效、鲁棒且高精度定位的关键挑战与研究方向是什么？

主要发现

• 仅使用NR侧链的飞行时间与到达角测量，即可在真实的工业仓库环境中实现亚米级三维定位精度。
• 引入基于角度的测量显著提升了对不同节点几何构型的鲁棒性，降低了位置误差方差。
• 当目标节点数量增加时性能提升，尤其在锚节点数量较少时表现更明显，表明系统具备高效性。
• 联合估计框架在锚节点位置未知且动态部署的情况下仍能保持高精度。
• 系统在NLoS条件和复杂多径传播环境下表现出强韧性，表明其在复杂工业场景中具备部署潜力。
• 射线追踪仿真结果证实，所提框架可实现可靠的态势感知，支持高效的波束成形与资源管理。