[论文解读] Radio Localization and Mapping with Reconfigurable Intelligent Surfaces
本文提出利用可重构智能表面（RIS）通过主动控制多径传播来增强基于无线电的定位与地图构建，从而在遮挡环境中实现更高的精度、覆盖范围和鲁棒性。通过利用具有已知几何特性的RIS反射信号，系统实现了亚米级定位精度，并且相比被动散射或传统基站部署，对遮挡的鲁棒性更强。
5G radio at millimeter wave (mmWave) and beyond 5G concepts at 0.1-1 THz can exploit angle and delay measurements for localization, by the virtue of increased bandwidth and large antenna arrays but are limited in terms of blockage caused by obstacles. Reconfigurable intelligent surfaces (RISs) are seen as a transformative technology that can control the physical propagation environment in which they are embedded by passively reflecting EM waves in preferred directions. Whereas such RISs have been mainly intended for communication purposes, RISs can have great benefits in terms of performance, energy consumption, and cost for localization and mapping. These benefits as well as associated challenges are the main topics of this paper.
研究动机与目标
- 研究可重构智能表面（RIS）在增强基于无线电的定位与地图构建系统方面的潜力。
- 解决在RIS辅助环境下多径利用、数据关联和信号路径识别的挑战。
- 提出RIS增强的同步定位与地图构建（SLAM）系统愿景与算法框架。
- 从定位误差和覆盖范围角度，对比RIS与被动反射器及多个基站的性能表现。
- 识别RIS在6G及未来移动通信系统中定位应用的关键研究挑战与开放问题。
提出的方法
- 将RIS用作可编程反射器，通过可配置的相移控制电磁波传播方向，以构建期望的传播路径。
- 利用毫米波/太赫兹宽带信号的到达角和时延测量值，估计用户位置和环境几何结构。
- 在因子图上应用贝叶斯推断与消息传递技术，解决异质信号环境中复杂的数据关联与SLAM问题。
- 采用两种RIS元件模型：散射型模型（模型1）和反射型模型（模型2），各自具有不同的传播特性。
- 将已知的RIS位置与相位配置集成到定位算法中，以减少路径关联的歧义性并提高估计精度。
- 采用单基地或双基地配置，包含基站与用户设备（UE），并将RIS反射信号视为额外的信号路径。
实验结果
研究问题
- RQ1如何利用RIS在遮挡环境中提升定位精度与覆盖范围？
- RQ2在动态环境中，将RIS引起的多径信号与信号源进行关联面临哪些关键算法挑战？
- RQ3与采用被动反射器或多个基站的传统系统相比，RIS定位在误差性能和鲁棒性方面有何差异？
- RQ4为最大化定位信息增益，RIS相位控制的最优策略是什么？
- RQ5如何设计RIS辅助的SLAM系统，以联合估计用户位置、朝向、时钟偏差和环境地图？
主要发现
- 采用反射型模型（模型2）的RIS在定位误差和覆盖性能方面可达到与两个主动基站相当的水平。
- 即使采用简单的散射型模型（模型1）RIS，其在定位精度和覆盖范围方面也显著优于被动散射体。
- RIS通过提供已知的几何约束，减少了数据关联的假设数量，从而提升了SLAM的鲁棒性。
- RIS通过可控反射绕过遮挡物，使非视 Line-of-Sight（NLOS）场景下的可靠定位成为可能。
- 由于反射过程无处理延迟，RIS系统可支持超高速、低时延的定位。
- 理论误差界分析表明，RIS可显著降低定位误差，尤其在高遮挡概率环境中效果更明显。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。