[论文解读] MetaLocalization: Reconfigurable Intelligent Surface Aided Multi-user Wireless Indoor Localization

Haobo Zhang, Hongliang Zhang+4 more|arXiv (Cornell University)|Nov 18, 2020

Indoor and Outdoor Localization Technologies参考文献 50被引用 10

一句话总结

该论文提出MetaLocalization，一种基于可重构智能表面（RIS）的多用户室内定位系统，通过优化RIS相位移以在不同位置创建独特的接收信号强度（RSS）指纹，从而提升基于RSS的定位精度。通过将用户位置估计与RIS相位移之间的耦合优化问题建模，并提出一种高效的相位移优化（PSO）算法，该方法在测量周期数较多的极限情况下实现了近乎零的定位误差，显著优于传统基于RSS的技术，尤其在RSS值相近的复杂环境中表现更优。

ABSTRACT

The received signal strength (RSS) based technique is extensively utilized for localization in the indoor environments. Since the RSS values of neighboring locations may be similar, the localization accuracy of the RSS based technique is limited. To tackle this problem, in this paper, we propose to utilize reconfigurable intelligent surface (RIS) for the RSS based multi-user localization. As the RIS is able to customize the radio channels by adjusting the phase shifts of the signals reflected at the surface, the localization accuracy in the RIS aided scheme can be improved by choosing the proper phase shifts with significant differences of RSS values among adjacent locations. However, it is challenging to select the optimal phase shifts because the decision function for location estimation and the phase shifts are coupled. To tackle this challenge, we formulate the optimization problem for the RIS-aided localization, derive the optimal decision function, and design the phase shift optimization (PSO) algorithm to solve the formulated problem efficiently. Analysis of the proposed RIS aided technique is provided, and the effectiveness is validated through simulation.

研究动机与目标

• 为解决基于RSS的室内定位的根本局限性，即相邻位置的RSS值往往相似，导致难以区分且定位精度低。
• 利用可重构智能表面（RIS）作为动态射频环境控制器，创建有利且具有区分性的RSS分布，以提升定位性能。
• 联合优化RIS相位移与用户位置估计过程，克服决策函数与相位移选择之间的耦合关系。
• 设计一种高效的相位移优化（PSO）算法，以低计算复杂度快速收敛至近似最优的相位移配置。

提出的方法

• 将用户位置估计决策函数与RIS相位移向量选择耦合的联合优化问题进行建模。
• 基于贝叶斯推断与最小错误概率准则，推导出在RIS辅助下基于RSS定位的最优决策函数。
• 提出一种基于最速下降法与随机搜索的相位移优化（PSO）算法，通过迭代优化相位移配置以最小化定位误差。
• 引入细粒度定位阶段，包含多个测量周期，各周期内随机选择相位移向量，以提升鲁棒性与收敛性。
• 基于均值RSS向量与高斯噪声模型，采用决策区域近似方法计算定位误差概率。
• 分析定位误差的渐近行为，证明当测量周期数K趋于无穷时，误差收敛至零。

实验结果

研究问题

• RQ1 RIS能否有效用于提升基于RSS的室内定位精度，通过在不同空间位置创建可区分的RSS指纹？
• RQ2 如何数学化地解决最优用户位置决策函数与RIS相位移选择之间的耦合关系，以实现联合优化？
• RQ3 何种算法方法能以低计算成本高效搜索近似最优的RIS相位移配置？
• RQ4 增加测量周期数如何影响定位系统的收敛性与精度？
• RQ5 当测量次数增加时，RIS辅助的基于RSS的系统中，定位误差的理论极限是什么？

主要发现

• 所提出的MetaLocalization系统显著提升了在传统基于RSS方法因相邻位置RSS值相似而失效的室内环境中的定位精度。
• 相位移优化（PSO）算法通过结合最速下降与随机搜索策略，迭代优化相位移配置，有效降低了定位误差。
• 理论分析证明，在任意相位移下不同位置的均值RSS值互不相同时，当测量周期数K趋于无穷时，定位误差收敛至零。
• 仿真结果验证了所提方法的有效性，与传统基于RSS的技术相比，显著提升了定位精度。
• 在渐近区域，系统实现了近乎零的定位误差，表明RIS具备实现高精度、低成本室内定位的潜力，且无需在用户设备上增加额外硬件。