面向轮式目标的“通信运动”综合感知定位

浪逸书生 2022-06-05 发布于江苏

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十七篇，介绍近期在IEEE JSAC发表的论文“WheelLoc: Practical and Accurate Localization for Wheeled Mobile Targets via Integrated Sensing and Communication”。本文设计了一种新颖的借助轮子旋转信息的动态定位系统并命名为WheelLoc。WheelLoc的基本思想是部署在轮子上的天线随着轮子的旋转可以模拟大型虚拟天线阵列，通过综合感知天线阵列上入射WiFi信号的AoA以及车轮的旋转运动，可以进行准确的动态目标定位。

面向轮式目标的“通信+运动”综合感知定位

孔令和^① 刘雨桐^① 刘云新^② Le Zheng^③ Meikang Qiu^④ 陈贵海^①

^①(上海交通大学)

^②(清华大学)

^③(Aptiv, USA)

^④(Texas A&M University-Commerce, USA)

Citation: L. Kong, Y. Liu, Y. Liu, L. Zheng, M. Qiu and G. Chen, 'WheelLoc: Practical and Accurate Localization for Wheeled Mobile Targets via Integrated Sensing and Communication,' IEEE J. Sel. Areas Commun., Early Access.

文章链接：

https://ieeexplore./document/9724254

一、研究背景

定位系统是构建智能化信息社会的重要组成部分之一。目前最常见的定位系统是GPS，但在卫星信号受阻的情况下，例如在满是摩天大楼的室外区域和所有室内场景中，它就无法工作。针对于GPS的限制，学术界和工业界陆续提出了其他定位系统。例如基于惯性传感器、可见光、声学、磁场、调频无线电（如RFID、WiFi、UWB、毫米波、蜂窝网络）等进行定位。其中，由于WiFi接入点已部署在城市地区的几乎每个角落，基于WiFi室外和室内定位服务具备灵活性和低成本的特点，越来越受到科研界和工业界的欢迎。

当前基于WiFi的定位技术主要分为五类，包括基于RSSI的三角测量、面向指纹的映射、地标支持校准、到达时间估计（Time of Arrival, ToA）和到达角估计（Angle of Arrival, AoA）。这些定位系统目前最高可以达到分米级的定位精度，所需的信息几乎涉及到WiFi信号的每个物理层信息，例如幅度、频率、时间和角度，但我们发现，暂时还没有相关工作关注到移动目标本身，成为WiFi定位系统的一个研究空白。

二、研究动机

可以观察到，生活中大部分移动目标是轮式驱动的，例如大量轮式交通工具（自行车、踏板车、汽车等）和轮式机器人。这一观察促使本文设计一种新颖的借助轮子旋转信息的动态定位系统并命名为WheelLoc。WheelLoc的基本思想是部署在轮子上的天线随着轮子的旋转可以模拟大型虚拟天线阵列，通过综合感知天线阵列上入射WiFi信号的AoA以及车轮的旋转运动，可以进行准确的动态目标定位。

虽然基于旋转的定位在Ubicarse^[1]、SpinLoc^[2]和D-MUSIC^[3]等工作中已经取得了一定的研究进展，但这些方法仍存在技术和场景的限制。一方面，这些方法在定位过程中需要用户干预主动旋转定位目标，这会在一定程度上降低系统适用性和用户体验感。另一方面，这些方法主要建立在轮子旋转过程中接收到相同的天线入射角的假设下，因此系统主要适用于目标在原地旋转的场景。为了突破这些技术和场景的限制，WheelLoc直接利用轮式目标移动过程中轮子本身进行旋转运动的天然特性，无需人工额外干预，同时通过额外部署的轻量级惯性传感器，追踪轮子实时运动状态，通过这种通信信息与运动信息综合感知的方式，最终实现对轮式目标在任意场景下以任意速度动态运动的准确定位。

三、相关技术

图1 基于天线阵列的AoA定位估计技术

基于天线阵列的AoA定位估计技术通过分析天线阵列接收无线信号的相位差计算入射角从而实现目标定位。如图1（a）所示，两根间隔为r的天线接收到来自距离d的AP发送的波长为λ的无线信号，入射角为θ。假设入射信号为平面波，信号到A2的传播距离比A1多rsinθ，所以两个天线之间的相位差为

通过获取无线信号的CSI信息可以得到该相位差并进一步计算得出入射角θ。在三维空间中，需要计算的入射角包含方向角φ和极角θ，如图1（b）所示，当三根天线之间的距离固定为r时，上述二维方程可以推广到三维，并根据三根天线两两相位差计算得到方向角和极角。根据入射角定位需要已知至少两个AP的位置以形成入射线的交点。但如图1（c）所示，在已知轮子半径R时，可以仅通过单个AP和入射角实现定位计算。

合成孔径雷达（Synthetic Aperture Radar，SAR）技术的核心在于单个天线沿轨迹等速移动并辐射相参信号，通过对接收信号的叠加可以模拟大天线阵列窄波束的收发，从而提高对被测物体方向和距离的分辨力。SAR技术目前广泛应用于遥感成像领域，即目标位置不变，但发射端位置变化，可以对目标区域进行扫描探测。但该技术反过来也可以用于定位，即发射端位置不变，但目标位置变化，因此与上述基于AoA的定位技术进行融合，可以提升动态目标定位的精度。

四、系统模型和问题建模

图2 相对天线伴随车轮旋转形成的虚拟天线阵列

如图2所示，由于两根天线的相对距离固定为r，在车轮旋转过程中，其中一根绕另一根做半径为r，角速度为ω的圆周运动以形成虚拟圆形天线阵列。该阵列中心坐标为(0,0)，初始位置t₁的坐标为（0,-r），在ti时刻旋转角度为ω(t_i-t₁)。根据SAR原理可得，此时两根天线间的相对信道测量值对应的多径强度信息为

其中，h₂₁为两根天线的相对信道测量值，n是采样数量。同样地我们也可以得到P₃₂(θ), P13(θ)。最终将三个强度信息叠加后，可以根据SAR方法找到入射角从而实现车轮定位。

然而，实际场景下车轮在原地旋转时通过上述方法可以实现精确的定位，因为该场景下可以假设任意时刻入射角度均相同。但当车轮旋转的同时进行平移时，无法做出该假设。如图3（a）所示，原地旋转的强度叠加信息形成高亮窄峰，但平移会使得入射角逐渐变化，导致在连续时隙中产生一系列窄峰，并共同构成了图3（b）中高亮部分的宽峰，于是导致同一个峰值可能会对应多个不同的入射角。

图3 原地旋转（RotS）和伴随平移（RotM）的多径强度可视化

五、求解思路和主要结果

为了解决旋转同时伴随平移运动时SAR算法面临的“宽峰”问题，本文主要设计了一种基于字典学习的曲线分离方法，将RotM分离为多个RotS，然后利用SAR思想通过强度峰值确定入射角。

图4 RotM的多曲线叠加可视化

如图4所示，RotM的强度叠加信息其本质时多个相似的CSI测量曲线的平移叠加。以一次测量中的一条曲线（以一种颜色标记）为基础，其他曲线是此曲线的基础上沿x轴或y轴的整体缩放，或额外添加噪声形成。因此本方法的核心在于以该基础曲线作为曲线变换的“字典”，其余曲线可以通过变换矩阵计算得出。于是曲线分离问题就转换为寻找到合适的字典和变换矩阵，使得变换和叠加的结果接近RotM给出的强度叠加信息的优化问题。该优化问题可以通过ASD等常用算法迭代更新字典和变换矩阵并最终计算得到二者的收敛值。有了字典和变换矩阵后，可以分别算出每条曲线，并找到曲线峰值对应的每个时刻的入射角，从而实现在普适场景下的动态定位。

图5 WheelLoc的硬件设计快照

为了实现上述设计，本文首先给出了WheelLoc对应的低成本、轻量级硬件设计，如图5所示。它由三大模块组成：天线阵列模块接收WiFi信号并提取CSI信息；计算机和传感器模块进行定位算法和惯性传感；电源模块为系统运行提供充足的能量。所有部件均采用商用设备组成，可以安装在任意尺寸的车轮上。

图6 WheelLoc定位精度结果图

借助上述硬件原型系统，实验测试了室内、室外平坦地面和室外崎岖地面上的定位精度，从图6可以看出，本文设计的动态定位方案在不需要人工额外干预的基础上，可以利用车轮旋转的自然特性，通过综合感知了WiFi通信的CSI信息和惯性传感器信息，在不同场景和不同运动速度下提供轮式目标精确的动态定位。

六、总结与展望

本文借助轮式动态目标车轮旋转的自然特性，介绍了WheelLoc，这是一种使用WiFi通信的CSI信息和惯导协同感知进行轮式移动目标的新型定位技术。其硬件系统由商用设备构建，成本低、易于安装且自供电，适用于多种轮式目标型号。其软件系统借助车轮旋转形成的虚拟天线阵列，利用优化的SAR算法以及基于字典的曲线分离算法，实现了在多种复杂环境中轮式目标的精确定位。

未来研究可以考虑将WheelLoc系统部署的尺寸和成本更加定制化，同时可以扩展其兼容性，在多种传输协议之间平滑过渡，例如WiFi、LTE或LoRa，以适应更多的场景需求。

参考文献

[1] Kumar S, Gil S, Katabi D, Accurate indoor localization with zero start-up cost.

in: ACM MOBICOM. 2014.

[2] Sen S, Choudhury R R, Nelakuditi S. SpinLoc: Spin once to know your location. in: ACM HotMobile. 2012.

[3] Qian K, Wu C, Yang Z, Tuning by turning: Enabling phased array signal processing for WiFi with inertial sensors. in: IEEE INFOCOM. 2016.