[论文解读] Reconfigurable Intelligent Surfaces based RF Sensing: Design, Optimization, and Implementation

Jingzhi Hu, Hongliang Zhang+6 more|arXiv (Cornell University)|Dec 19, 2019

Indoor and Outdoor Localization Technologies参考文献 29被引用 10

一句话总结

本文提出了一种基于可重构智能表面（RIS）的射频感知系统，通过主动定制无线传播环境，实现高精度的人体姿态识别。通过交替优化和机器学习联合优化RIS相位偏移与有监督决策函数，该系统在模拟和基于USRP的实验中，相比不可配置环境的识别准确率提高23.5%，相比随机配置提高14.6%。

ABSTRACT

Using radio-frequency (RF) sensing techniques for human posture recognition has attracted growing interest due to its advantages of pervasiveness, contact-free observation, and privacy protection. Conventional RF sensing techniques are constrained by their radio environments, which limit the number of transmission channels to carry multi-dimensional information about human postures. Instead of passively adapting to the environment, in this paper, we design an RF sensing system for posture recognition based on reconfigurable intelligent surfaces (RISs). The proposed system can actively customize the environments to provide the desirable propagation properties and diverse transmission channels. However, achieving high recognition accuracy requires the optimization of RIS configuration, which is a challenging problem. To tackle this challenge, we formulate the optimization problem, decompose it into two subproblems and propose algorithms to solve them. Based on the developed algorithms, we implement the system and carry out practical experiments. Both simulation and experimental results verify the effectiveness of the designed algorithms and system. Compared to the random configuration and non-configurable environment cases, the designed system can greatly improve the recognition accuracy.

研究动机与目标

• 解决传统射频姿态感知中因不可预测无线环境导致的独立传播路径数量有限及鲁棒性差的问题。
• 通过可重构智能表面（RIS）实现信道的主动定制，以获取更丰富的多维姿态信息。
• 联合优化RIS配置与决策函数，以实现最大姿态识别准确率。
• 设计并实现基于USRP硬件的实用RIS射频感知系统，以在真实环境中验证性能。

提出的方法

• 将姿态识别问题建模为RIS相位偏移与决策函数的联合优化问题，分解为两个子问题：配置优化与决策函数学习。
• 采用交替优化算法求解RIS配置子问题，使用带邻近梯度更新的增广拉格朗日方法。
• 采用有监督学习算法，基于接收信号特征优化决策函数。
• 使用通用软件无线电外设（USRP）设备在真实环境中实现并验证系统。
• 引入辅助变量与凸松弛技术，以处理优化过程中的非凸性问题。
• 通过在RIS配置与对偶变量之间进行迭代交替最小化，收敛至次优解。

实验结果

研究问题

• RQ1 与传统不可配置系统相比，基于RIS的射频感知能否显著提升姿态识别准确率？
• RQ2 RIS单元数量及独立可控组数如何影响识别性能？
• RQ3 如何配置RIS相位偏移以最大化传播路径的多样性，从而提升姿态识别性能？
• RQ4 联合优化RIS配置与决策函数与顺序或独立优化相比表现如何？
• RQ5 实际硬件实现能在多大程度上匹配理论仿真性能？

主要发现

• 所提出的RIS系统相比不可配置环境，识别准确率提高23.5%。
• 与随机RIS配置相比，系统识别准确率提升14.6%。
• 识别准确率随RIS尺寸及独立可控RIS组数的增加而提高。
• 交替优化算法能有效收敛至显著提升识别性能的次优解。
• 基于USRP硬件的实际实验验证了所提算法在真实环境中的有效性。
• 与独立优化方法相比，RIS配置与决策函数的联合优化可实现更优性能。