[论文解读] Radio Sensing with Large Intelligent Surface for 6G

Cristian J. Vaca-Rubio, Pablo Ramirez-Espinosa+3 more|arXiv (Cornell University)|Nov 4, 2021

Indoor and Outdoor Localization Technologies被引用 8

一句话总结

该论文提出了一种新型的6G网络中基于大规模智能表面（LIS）的无线电感知框架，利用环境通信信号检测被动和主动用户，无需专用硬件。通过匹配滤波重建无线电地图，并结合k-means聚类与图像处理技术，系统在低信噪比（0 dB）条件下实现了98%的被动人体检测率和100%的主动用户检测率，展示了在室内环境中高度鲁棒和精确的性能。

ABSTRACT

This paper leverages the potential of Large Intelligent Surface (LIS) for radio sensing in 6G wireless networks. Major research has been undergone about its communication capabilities but it can be exploited as a formidable tool for radio sensing. By taking advantage of arbitrary communication signals occurring in the scenario, we apply direct processing to the output signal from the LIS to obtain a radio map that describes the physical presence of passive devices (scatterers, humans) which act as virtual sources due to the communication signal reflections. We then assess the usage of machine learning (k-means clustering), image processing and computer vision (template matching and component labeling) to extract meaningful information from these radio maps. As an exemplary use case, we evaluate this method for both active and passive user detection in an indoor setting. The results show that the presented method has high application potential as we are able to detect around 98% of humans passively and 100% active users by just using communication signals of commodity devices even in quite unfavorable Signal-to-Noise Ratio (SNR) conditions.

研究动机与目标

• 探索大规模智能表面（LIS）在6G网络中超越其主要通信功能的无线电感知潜力。
• 解决仅利用商用设备的环境无线电信号检测被动散射体（如人体）的挑战，避免使用专用硬件或信号传输。
• 开发一种鲁棒、低复杂度的感知框架，集成机器学习与计算机视觉技术，实现在真实室内场景下的多用户检测。
• 在低信噪比条件及不同数量主动用户下评估系统性能，以证明其在实际部署中的可行性。

提出的方法

• 通过匹配滤波处理LIS输出信号，最大化信噪比并提取飞行时间信息，重建传播环境的无线电地图。
• 采用滑动窗口算法并设置相干时间阈值，稳定信号测量并减少噪声影响。
• 在重建的无线电地图上应用k-means聚类，识别对应于人体或设备位置的独立散射体簇。
• 通过图像处理技术（如连通域标记和模板匹配）提升检测精度，以区分并精确定位各个散射体。
• 利用现有通信信号的信道状态信息（CSI，如Wi-Fi信号）实现被动感知，无需额外传输或硬件。
• 对100次测量结果进行信号平均，以提高在噪声环境中的鲁棒性，尤其在低信噪比（γ = 0 dB）条件下。

实验结果

研究问题

• RQ1 大规模智能表面（LIS）能否仅通过环境通信信号有效实现被动与主动用户检测？
• RQ2 在共享无线电环境中，主动用户数量如何影响被动人体检测的性能？
• RQ3 在真实信噪比条件下，系统能够可靠检测的两个人体之间的最小间距是多少？
• RQ4 k-means聚类与计算机视觉技术的结合在无线电地图分析中在多大程度上提升了检测精度与鲁棒性？

主要发现

• 在仅使用环境通信信号的室内场景中，系统对被动人体的平均检测率达到98%，即使在低信噪比（0 dB）条件下也表现优异。
• 主动用户检测准确率达到100%，表明系统在利用现有设备传输信号时具有高度可靠性。
• 检测人体的位置误差保持在较低水平，被动检测平均约为28 cm，主动跟踪在90%的情况下误差约为5.5 cm。
• 主动用户数量对被动检测性能影响甚微，但因更多信号反射而提高了被动人体的检测概率。
• 即使人体间距小至25 cm，系统仍能保持高性能，最困难的分离情况下平均可检测到1.5名人。
• 在γ = 10 dB与γ = 0 dB条件下结果一致，证实了系统对噪声的鲁棒性，凸显了匹配滤波与信号平均的有效性。