Radio-based Simultaneous Localization and Mapping in Millimeter-Wave and Beyond Systems

Abstract

This dissertation addresses the problem of radio signal-based simultaneous localization and mapping~(SLAM) in millimeter-wave~(mmWave) and beyond systems. Due to the signals and channel perspectives in mmWave and beyond systems, high-resolution channel parameters such as time-of-arrival, angle-of-arrival, and angle-of-departure can be obtained, providing high-accuracy location with the users. These channel parameters covey geometric relations between the user and the surrounding channel environment. Consequently, it motivates the development of radio signal-based localization techniques from a stochastic perspective.

The detailed contents and results of this dissertation are as follows. First, radio-based cooperative localization is studied with low-complexity implementation for message passing among users. In non-parametric message passing, a high-complexity is required to represent the approximated marginal posterior density of the user. To handle the complexity issue, the optimization problem for parametric estimates is alternatively adopted. An objective function for cooperative localization is formulated by the constraint satisfaction problem. To efficiently solve the optimization problem in a distributed manner, the alternating direction method of multipliers is exploited. From the results, it is confirmed that the developed method can reduce the complexity while sustaining the localization accuracy.

Second, radio-based SLAM is investigated in a belief propagation perspective. Due to the high-resolution channel parameters, the physical environment consisting of large reflectors and small objects, characterized by multiple model static landmarks, can be mapped with geometric relations of received signals. Therefore, the user can estimate the state and build up the physical environment at the same time. The joint posterior density of user state and landmarks are factorized, and the marginalized posterior density of each variable is computed by belief propagation. The uncertainty of data association is also handled. From the results, it is confirmed that the developed BP-SLAM method enables estimating user state and mapping the physical environment.

Third, using the random finite set theory radio-based SLAM is further studied to handle data association, multiple model~(MM) landmarks, missed detections, and false alarms. The MM-probability hypothesis density~(PHD)-SLAM filter is developed, efficient in both complexity and SLAM accuracy. However, the SLAM accuracy suffers from both missed detections and false alarms. To handle this issue, the Poisson multi-Bernoulli mixture~(PMBM) density is adopted, and a MM-PMBM-SLAM filter is developed. A MM-PMB-SLAM filter is developed by the Bethe free energy approximation. The MM-PHD-SLAM, MM-PMBM-SLAM, and MM-PMB-SLAM filters require RBPF implementation with the high-complexity. To handle the complexity issue, a marginalized MM-PMB-SLAM filter is developed, and a marginalized MM-PMB-SLAM filter is developed by deriving the posterior density of the user and posterior density of a set of landmarks. From the results, it is demonstrated that the outstanding performance of the developed RFS-SLAM filters. Furthermore, the developed marginalized filters can reduce the complexity while sustaining the SLAM accuracy.|본 논문은 라디오 신호 기반 SLAM(simultaneous localization and mapping)과 협력측위 문제를 다룬다. 이동통신의 발전에 따라 밀리미터파(mmWave: millimeter-wave) 및 차세대 시스템에서는 수신 신호로부터 정확한 채널 매개변수를 추정할 수 있다. 채널 매개변수는 기지국과 사용자 간의 상대적 거리와 각도를 나타내고, 이를 이용하여 더욱 정확한 측위가 가능하게 될 것이다. 따라서, 채널 파라미터를 동시에 이용할 수 있는 라디오 신호 기반 측위 기법 연구는 가속화될 것이다.

본 논문의 구체적인 연구내용은 다음과 같다. 첫째, 낮은 연산량을 갖는 협력측위 기법을 연구한다. 기존 협력측위의 높은 연산량 문제를 다루기 위해 최적화 문제를 적용한다. 협력측위의 목적함수는 제약충족 문제(CSP: constraint satisfaction problem) 기법을 사용하여 유도하며, ADMM(alternating direction method of multipliers) 기반 메시지 패싱을 통해 최적해를 계산한다. 시뮬레이션 결과를 통해 ADMM 기반 협력측위 기법은 높은 측위 정확도는 유지하며, 연산량을 줄일 수 있음을 확인한다.

둘째, 신뢰성 전파(belief propagation) 기반 라디오 SLAM을 연구한다. 수신신호로부터 추정하는 채널 매개변수의 높은 정확도 덕분에 사용자 단말의 측위와 주변 사물들의 맵핑이 가능하다. 사용자 단말과 인접 사물의 결합확률밀도(joint posterior density)를 인수분해하고, 신뢰성 전파 기법을 이용하여 각 변수의 주변확률(marginal posterior density)을 계산한다. 시뮬레이션 결과를 통해 신뢰성 전파 기반 라디오 SLAM 기법은 사용자 위치, 방향뿐 아니라 인접 사물의 맵핑 또한 가능함을 확인한다.

셋째, 물체와 측정값의 데이터 연결, 그리고 신호의 미검출(missed detections), 오경보(false alarms)를 다루기 위한 임의유한집합(RFS: random finite set) 기반 라디오 SLAM을 연구한다. 여러 종류의 물체를 다루기 위해 PHD(probability hypothesis density)-SLAM 필터를 개발한다. 하지만, 신호의 미검출과 오경보에 취약하다. 이를 다루기 위해 PMBM(Poisson multi-Bernoulli mixture)-SLAM 필터를 개발하지만, 높은 연산량 문제가 있다. 이를 해결하기 위해 주변화(marginalized) PMBM-SLAM 필터를 개발한다. 시뮬레이션 결과를 통해 RFS 기반 SLAM 필터의 성능과 우수성을 확인한다.