[论文解读] Multipath-based SLAM for Non-Ideal Reflective Surfaces Exploiting Multiple-Measurement Data Association

Lukas Wielandner, Alexander Venus+2 more|arXiv (Cornell University)|Apr 12, 2023

Indoor and Outdoor Localization Technologies被引用 6

一句话总结

本文提出了一种基于贝叶斯粒子的和积算法（SPA），用于基于多径的SLAM，可处理每个虚拟锚点（VA）的多个测量值，解决了非理想反射表面和测量设备不完善的问题。通过引入一种具有扩散参数的新统计测量模型，该方法能够稳健地融合每个VA的多个多径分量，从而在真实的无线电环境中提升定位精度和鲁棒性。

ABSTRACT

Multipath-based simultaneous localization and mapping (SLAM) is a promising approach to obtain position information of transmitters and receivers as well as information regarding the propagation environments in future mobile communication systems. Usually, specular reflections of the radio signals occurring at flat surfaces are modeled by virtual anchors (VAs) that are mirror images of the physical anchors (PAs). In existing methods for multipath-based SLAM, each VA is assumed to generate only a single measurement. However, due to imperfections of the measurement equipment such as non-calibrated antennas or model mismatch due to roughness of the reflective surfaces, there are potentially multiple multipath components (MPCs) that are associated to one single VA. In this paper, we introduce a Bayesian particle-based sum-product algorithm (SPA) for multipath-based SLAM that can cope with multiple-measurements being associated to a single VA. Furthermore, we introduce a novel statistical measurement model that is strongly related to the radio signal. It introduces additional dispersion parameters into the likelihood function to capture additional MPCs-related measurements. We demonstrate that the proposed SLAM method can robustly fuse multiple measurements per VA based on numerical simulations.

研究动机与目标

• 解决现有MP-SLAM方法假设每个虚拟锚点仅有一个测量值的局限性，该假设在粗糙表面或未校准天线等非理想条件下会失效。
• 在多个多径分量源自同一VA（由于信号缺陷或表面粗糙度）时，实现MP-SLAM中的鲁棒数据关联。
• 提出一种带有扩散参数的统计测量模型，以更好地捕捉无线电信号中多径分量的物理特性。
• 利用可扩展的基于因子图的和积算法，以二次复杂度缩放高效处理多测量值到特征的关联。
• 通过概率融合每个VA的多个MPC，建模扩散多径效应和测量设备缺陷，从而在真实环境中提升SLAM性能。

提出的方法

• 将扩展目标跟踪中的贝叶斯粒子基和积算法（SPA）适配至MP-SLAM，使单个虚拟锚点（VA）可关联多个测量值。
• 设计一种新的似然函数，增加扩散参数，以建模源自同一VA的多径分量（MPCs）的统计展宽。
• 构建一个带有二值关联变量（如 $ \tilde{a}^{(j)}_{kl,n} $, $ \bar{a}^{(j)}_{ml,n} $）的因子图，表示某测量值是否与特定VA或MPC相关联。
• 通过和积算法推导信念传播的消息传递方程，利用对可能测量关联的递归求和计算归一化后验信念。
• 通过显式归一化信念更新计算每个关联假设的后验概率，确保数值稳定性和正确的概率推理。
• 将所提模型集成到顺序贝叶斯估计框架中，联合估计VA位置和代理轨迹，同时处理虚警、漏检和杂波。

(a)

实验结果

研究问题

• RQ1 如何扩展MP-SLAM以处理因非理想反射表面或测量缺陷而关联到单个虚拟锚点的多个测量值？
• RQ2 何种统计模型能准确表示在真实无线电传播环境中源自单个VA的多径分量的展宽特性？
• RQ3 能否设计一种可扩展的贝叶斯推理框架，以高效管理SLAM中多测量值到特征关联的组合复杂度？
• RQ4 与标准MP-SLAM方法相比，该方法在真实信号退化和表面粗糙度条件下如何提升定位精度和鲁棒性？
• RQ5 在似然函数中引入扩散参数在多径效应建模方面能多大程度上增强无线电信号SLAM中对扩散多径效应的描述能力？

主要发现

• 所提出的基于贝叶斯粒子的SPA能够成功处理每个虚拟锚点的多个测量值，实现在粗糙反射表面或未校准天线等非理想环境中的鲁棒SLAM。
• 在似然函数中引入扩散参数显著改善了多径分量的建模，能够捕捉源自同一VA的信号物理展宽。
• 数值仿真表明，该方法能可靠地融合每个VA相关的多个MPC测量值，从而提升定位精度并降低估计误差。
• 该算法在特征数和测量数上保持二次复杂度缩放，避免了空间上接近的测量值的次优聚类。
• 通过和积算法进行的信念传播在低信噪比和高杂波条件下仍能实现稳定且准确的数据关联。
• 归一化信念更新（公式80和81）确保了数值稳定性与正确的概率推理，从而实现关联概率的可靠估计。

(b)