基于主被动感知混合的SLAM研究

浪逸书生 2022-04-15

展开全文

写在前面：本期推送是IEEE JSAC通感一体专题计划的第二篇，介绍论文“Hybrid active and passive sensing for SLAM in wireless communication systems”的研究工作。该文作者如下：

杨杰，东南大学

温朝凯，台湾中山大学

金石，东南大学

本文下载地址：

https://ieeexplore./document/9727176

一、引文

高频段大带宽电磁波的开发利用和大规模天线阵列的密集部署使能了通信感知一体化技术。在通信和感知融合范式方面已展开了大量的研究^[1]，实际系统验证了雷达与通信在波形和硬件平台共享方面的可行性^[2]。将通信和感知功能集成到同一硬件平台和信号处理体系中，有助于降低硬件成本、功耗和部署复杂度。利用无线通信系统高吞吐量、低时延的信息共享能力，可以方便地实现两种功能的协同互助。

根据3GPP中5G新空口（NR，New Radio）标准的规定，通信阶段主要由波束扫描、信道估计和数据传输等阶段组成^[3]。通过利用不同阶段的通信波形，通信系统可以实现不同的感知方式。通过发送波束成形信号并分析回波信号来感知环境的方式称为主动感知，例如工作频率为28 GHz、带宽为400MHz的以用户为中心的毫米波室内感知系统，验证了5GNR中正交频分复用（OFDM，Orthogonal Frequency Division Multiplexing）波形的感知能力^[2]。通过接收其它终端发送的多径信号来捕捉目标和刻画周围环境的方式称为被动感知。已有大量研究揭示射频信号多径分量中与位置相关的参数，例如高分辨率的到达角（AOA，Angle of Arrival）、离开角（AOD，Angle of Departure）、到达时间（TOA，Time of Arrival）和到达频率（FOA，Frequency of Arrival）等^[4]-[6]。

本篇推送介绍论文“Hybrid active and passive sensing for SLAM in wirelesscommunication systems”的研究工作，本研究重点关注以下三个关键问题：如何利用不同通信阶段实现主动和被动感知？如何将主被动感知针对同一目标获得的杂散估计点进行关联？如何利用同时定位与制图（SLAM, Simultaneous Localization and Mapping）技术实现不同感知方式的协作互助？

图1 无线通信系统中主被动混合感知场景和帧结构

二、问题描述

本研究将移动用户的初始位置视为参考点（RP，Reference Point），用户进入陌生环境后逐步获取测量信息来建立相对于RP的环境几何关系。用户首先在RP处进行波束扫描，用于初始接入和主动感知。在这一阶段用户能够获取周围环境中的散射体信息，如图1所示，红色墙面即为主动感知获得的环境信息。当用户与物理基站（PA，Physical Anchor）建立起连接之后，被动感知开始起作用。

本研究结合主动感知所得结果，利用被动感知获得的来自相同PA的多径测量，设计了PA位置初始化方案。当用户移动后有机会检测到新的反射表面，如图1所示，黑色反射表面即为在 t=t' 时刻被感知到的新反射表面。此外，本研究提出了被动感知和主动感知相互辅助的SLAM机制。利用多个时刻通过被动感知获得的测量值不断修正环境特征和用户轨迹的估计。

三、主动感知

根据5G NR波束管理规则，用户需要通过波束扫描来进行初始接入。与传统通信系统中的波束扫描不同的是，本研究考虑用户可以接收发送波束经过障碍物反射的回波，以此实现对周围环境的主动感知。假设用户端的收发天线阵列分开放置，以降低自干扰。已知现有移动终端大多配置多组毫米波天线模块以克服手阻效应^[7]，因此通过不同的天线模块可以实现发送和接收的分离。

考虑镜面反射多径分量，将射频环境特征进一步抽象成虚拟参考点（VRP，Virtual Reference Point），这里VRP为RP相对于反射表面的镜像。考虑移动用户利用个激活子载波发送一序列波束成形的探测参考信号（SRS，Sounding Reference Signal），接着观察相同方向的回波信号。从回波信号中获取移动用户和反射表面上反射点（RSP，Point on Reflective Surface）之间的距离信息，利用距离和角度关系即可得到相应RSP的坐标表示。根据两点确定一条直线，获得大于等于两个RSP即可确定相应的反射表面。

如图2所示，根据向量P_rsp,1 - P_rsp,2与向量P_vrp - P_rp垂直，以及P_rsp,1，P_rsp,2，和(P_vrp + P_rp)三点共线，可以建立方程组对P_vrp的坐标进行求解。

图2 RSP和VRP之间的几何关系

四、被动感知

在5G NR中PA可以周期性地向移动用户发送下行定位参考信号（DL-PRS，Downlink Positioning Reference Signals），用于移动用户的定位和环境感知。本研究仅考虑直射（LOS，Line-of-Sight）径和符合单跳镜面反射的非直射（NLOS，Non-Line-of-Sight）径，定义虚拟基站（VA，Virtual Anchor）表示PA相对于反射表面的镜像。利用信道参数提取算法可以将多径的AOA、AOD和TOA等参数从接收信号中提取出来。

为了便于表述，本小节仅考虑TOA参数，其中TOA参数乘以电磁波传播速度即为用户到PA（LOS径）或VA（NLOS径）的距离，即通过被动感知获得PA与VA的估计值。

VRP和RP共同确定了反射表面的法线方向和反射表面与RP的距离信息。如图3所示，根据PA和VA之间的连线与RP和VRP之间的连线平行可知，给定VRP、PA和VA中任意两个可以求解第三个。因此在被动感知过程中，利用获得的PA和VA可以进一步得到VRP，由此可见VRP充当沟通主被动感知桥梁的作用。

图3 PA、VA、VRP和RP之间的几何关系

五、VRP特性分析

观察到在同一环境下，利用主动和被动感知获得的光滑反射表面的位置和状态是高度相关的。通过以上两部分的介绍可知，主动和被动感知的结果均可转化为VRP的位置和状态。因此将VRP作为主动和被动方式对同一光滑反射表面感知结果的统一表达，便于对不同方式感知结果的信息融合。此外，VRP有如下三个特性，即位置不变、存在性变化、且数量少。

第一个特性：假设环境中的反射表面是固定不动的。

第二个特性：用户在移动过程中会遇到不同的反射表面，如图1所示，在t=1时刻，用户没有观察到黑色反射表面，因此该反射表面被视为不存在，而当t=t' 时，该反射表面被观察到，因此被视为存在。而在这过程中，该反射表面的位置一直固定不动，只是存在性发生了变化。

第三个特性：VRP的数目只跟反射表面的数目有关而与基站的数目无关，因此相比于多PA场景下VA的数量，刻画相同环境所用的VRP数量更少。此外，对应于同一反射表面的属于不同PA的VA会与同一个VRP对应，因此有机会通过VRP实现不同PA多径信息的融合。

六、主被动感知混合的SLAM机制

所提主被动感知混合是SLAM机制主要包含PA初始化、状态转移、测量分析、数据相关、VRP和PA修正和检测估计模块，如图6所示，下面分别进行简要介绍。

图4 主被动感知混合的BP SLAM算法框架

PA初始化：根据VA、PA和VRP三者互相确定原理，通过利用主动感知获得的VRP和被动感知获得的VA反推PA，进而进行数据相关，实现PA初始化。
状态转移：刻画用户和继承环境特征的状态转移模型，其中环境特征包括环境中PA和VRP的位置和状态。若上一时刻环境特征在当前时刻仍然存在，则称为继承特征，该特征按照状态转移模型从上一时刻转移到当前时刻。
测量分析：由于一个测量值可以来源于继承特征、新生特征或虚警，因此在已知数据相关向量、用户和特征状态情况下，测量分析过程对测量值的似然函数进行定义。
数据相关：描述已知继承特征和用户状态的条件下，数据相关向量、测量值数量向量和新生特征的联合先验分布函数。
数据融合：描述已知测量值条件下，用户、特征和数据相关向量的联合后验概率分布函数。
VRP和PA修正：定义距离来表征两个特征之间的相似性，若两个特征的距离小于相似性门限，则认为两个特征为同一个。对于同一个特征，若当前估计值的方差比前一时刻的方差大，意味着当前时刻所估特征比前一时刻的估计结果差，因此保留前一时刻估计结果，否则用最新的估计更新该特征。
检测估计：对环境特征的存在性进行检测，对用户和环境特征的位置进行估计。

图5展示了所提机制与仅利用被动感知的SLAM机制对比。仿真结果首先展示了所提机制中主动感知对被动感知的辅助，即通过主动感知获得的VRP信息来初始化PA的位置。由于没有主动感知的辅助，在初始时刻PA分布在圆上，估计的PA可能收敛到初始时刻圆上的任意一点，从而导致了结果的旋转，如图5 (c)所示。

仿真结果进而展示了所提机制中被动感知对主动感知的辅助，即当 t=1 时，始于点[50,60]终于点[80,60]的反射表面被阻挡，因此通过主动感知只能获得4个VRP，而当 t=1150 时，始于点[50,60]终于点[80,60]的反射表面通过被动感知被检测出来，如图5 (d)所示。这表明随着轨迹的丰富，被动感知可以延伸主动感知的能力，即继承VRP可以逐步得到修正，新生VRP也可以被准确估计出来。

图5 所提机制与仅利用被动感知的SLAM机制对比

参考文献

[1] Liu F, Cui Y, Masouros C, Xu J, Han T X, Eldar Y C, Buzzi S. Integrated Sensing and Communications: Towards Dual-functional Wireless Networks for 6G and Beyond[J]. IEEE Journal on Selected Areas in Communications, 2022, 40(6):1-1.

[2]Barneto C B, Riihonen T, Turunen M, et al. Radio-based sensing and indoor mapping with millimeter wave 5G NRsignals[C]//2020 International Conference on Localization and GNSS (ICL-GNSS). Tampere, Finland, 2020.

[3]Giordani M, Polese M, Roy A, et al. A tutorial on beam management for 3GPP NR at mmWave frequencies[J]. IEEE Communications Surveys Tutorials, 2019, 21(1): 173-196.

[4] Leitinger E, Meyer F, Hlawatsch F, et al. A belief propagation algorithm for multipath-based SLAM[J]. IEEE Transactions on Wireless Communications, 2019, 18(12): 5613-5629.

[5] Mendrzik R, Meyer F, Bauch G, et al. Enabling situational awareness in millimeter wave massive MIMO systems[J]. IEEE Journal of Selected Topics in Signal Processing, 2019, 13(5):1196-1211.

[6] Yang J, Wen C K, Jin S, Li X. Enabling plug-and-play and crowd sourcing SLAM in wireless communication systems[J]. IEEE Transactions on Wireless Communications, 2022, 21(3): 1453-1468.

[7] Shih W T, Wen C K, Tsai S H, et al. Fastantenna and beam switching method for mmWave handsets with hand blockage[J]. IEEE Transactions on Wireless Communications, 2021, 20(12): 8134-8148.