[论文解读] MetaRadar: Indoor Localization by Reconfigurable Metamaterials

Haobo Zhang, Jingzhi Hu+5 more|arXiv (Cornell University)|Aug 6, 2020

Indoor and Outdoor Localization Technologies参考文献 30被引用 5

一句话总结

MetaRadar 提出了一种基于可重构超表面的室内定位系统，通过主动调控无线电波信道响应，提升了基于接收信号强度（RSS）的定位精度。通过采用压缩无线电地图构建与配置优化技术，MetaRadar 实现了厘米级定位精度，将传统系统中分米级的误差显著降低。

ABSTRACT

Indoor localization has drawn much attention owing to its potential for supporting location based services. Among various indoor localization techniques, the received signal strength (RSS) based technique is widely researched. However, in conventional RSS based systems where the radio environment is unconfigurable, adjacent locations may have similar RSS values, which limits the localization precision. In this paper, we present MetaRadar, which explores reconfigurable radio reflection with a surface/plane made of metamaterial units for multi-user localization. By changing the reflectivity of metamaterial, MetaRadar modifies the radio channels at different locations, and improves localization accuracy by making RSS values at adjacent locations have significant differences. However, in MetaRadar, it is challenging to build radio maps for all the radio environments generated by metamaterial units and select suitable maps from all the possible maps to realize a high accuracy localization. To tackle this challenge, we propose a compressive construction technique which can predict all the possible radio maps, and propose a configuration optimization algorithm to select favorable metamaterial reflectivities and the corresponding radio maps. The experimental results show a significant improvement from a decimeter-level localization error in the traditional RSS-based systems to a centimeter-level one in MetaRadar.

研究动机与目标

• 解决传统基于 RSS 的室内定位系统因相邻位置 RSS 值相近而导致定位精度受限的问题。
• 克服由可重构超表面生成的海量潜在无线电地图中，如何高效生成并从中选择最优配置的挑战。
• 通过动态优化超表面反射率配置，实现高精度、多用户室内定位。
• 开发一种压缩构建方法，无需全面测量即可高效构建所有潜在的无线电地图。
• 设计一种迭代配置优化算法，通过多阶段信号反馈持续提升定位精度。

提出的方法

• 提出一种压缩构建技术，仅通过关键无线电环境中的部分测量数据，即可预测所有可能的无线电地图，从而减少对全面测绘的需求。
• 将超表面建模为具有独立可调谐超材料单元的可重构智能表面，以控制信号反射模式。
• 制定一种配置优化算法，在每次迭代中选择最有利的超表面反射率状态及其对应无线电地图，以最小化定位误差。
• 在多个迭代中整合多用户 RSS 测量数据，结合历史数据与实时信号反馈，持续优化位置估计。
• 采用高斯混合模型表示 RSS 分布，并利用并集界与 Q 函数近似推导出定位损失的上界。
• 使用 USRP 软件定义无线电与一块 0.48 m² 的电调谐可重构超表面实现系统原型，完成真实环境下的验证。

实验结果

研究问题

• RQ1 可重构超材料能否用于主动调控无线电传播环境，从而提升基于 RSS 的定位精度？
• RQ2 如何在无需全面测量的前提下，高效构建由可重构超表面生成的大量潜在无线电地图？
• RQ3 何种配置优化策略可通过在每次迭代中选择最优无线电环境，实现高精度、多用户定位？
• RQ4 动态超表面重构在多大程度上可降低相邻位置之间的 RSS 相似性，并提升定位分辨率？
• RQ5 当环境发生变化（如移动物体或时变多径效应）时，系统如何保持定位精度？

主要发现

• MetaRadar 在真实室内环境中实现了厘米级定位精度，显著优于传统基于 RSS 系统的分米级精度。
• 压缩构建方法大幅减少了对全面无线电地图测量的需求，仅需少量关键环境测量即可高效生成所有潜在无线电地图。
• 配置优化算法成功选出了有利的超表面反射率状态，通过多用户 RSS 反馈的迭代优化显著提升了定位精度。
• 在使用 0.48 m² 超表面的情况下，MetaRadar 在无视距遮挡条件下，对单用户与多用户场景均实现了高达 2 m 的定位范围，且精度保持在厘米级。
• 理论分析表明，定位误差上界随不同位置平均 RSS 值之间分离度的增加呈指数下降，验证了系统设计原理的有效性。
• 在教室环境中的实验结果表明，MetaRadar 显著优于传统基于 RSS 的系统，尤其在分辨 RSS 值相近的相邻位置方面表现突出。