3D Gaussian Distribution and RGB Reconstruction (3DGS-RGB) based GNSS Multipath Detection — Part II: From Statistical-Space Ellipsoids to RGB Color Space Features

Resumen Técnico: Distribución Gaussiana 3D y Reconstrucción RGB (3DGS-RGB) para la Detección de Multitrayectoria en GNSS — Parte II

Planteamiento del Problema
El posicionamiento mediante Sistemas Globales de Navegación por Satélite (GNSS) en entornos urbanos se ve severamente degradado por los efectos de multitrayectoria (multipath), los cuales distorsionan la función de autocorrelación (ACF) e introducen errores de seguimiento. Mientras que la Parte I de este trabajo estableció un marco estadístico riguroo utilizando un modelo de elipsoide de equiprobabilidad gaussiano 3D para el vector de correlación normalizado de las ramas Early (E), Prompt (P) y Late (L) de la rama Q, la la escalarización de este vector 3D en un único estadístico elipsoidal comprime los patrones angulares y de componentes relativas. Esta compresión reduce la sensibilidad en regiones de parámetros desafiantes, particularmente cuando los retardos de código relativos se aproximan a 0 o 1.5 chips, las rotaciones de fase se aproximan a 0° o 180°, o las relaciones señal-ruido ($C/N_0$) son bajas. Los métodos actuales basados en aprendizaje carecen a menudo de relaciones cuantitativas claras entre las características aprendidas y los parámetros físicos de la multitrayectoria. Este artículo aborda la necesidad de una representación intermedia interpretable que conserve el rigor estadístico de la Parte I, al tiempo que expone características complementarias adecuadas para la detección avanzada y posibles aplicaciones de aprendizaje automático.

Metodología
El artículo propone un mapeo lineal del vector de correlación normalizado de las ramas E/P/L de la rama Q desde el dominio estadístico hacia el espacio de color Rojo, Verde y Azul (RGB). Esta transformación trata el vector de correlación como un punto en un nuevo sistema de coordenadas ortogonales (R, G, B), preservando la información original sin añadir datos externos.

1. Mapeo Lineal: Los valores de correlación normalizados se mapean a coordenadas RGB mediante una transformación lineal basada en el criterio $3\sigma$ para ajustarse al rango de 8 bits (0–255). Aunque las derivaciones teóricas utilizan un espacio lineal extendido para evitar artefactos de recorte (clipping), la detección práctica utiliza valores recortados.
2. Extracción de Características: A partir de la representación RGB, se extraen tres atributos de color interpretables:
   • Valor (V): Representa la magnitud del canal dominante (brillo).
   • Saturación (S): Describe el contraste o la dispersión entre los canales R, G y B.
   • Matiz (H - Hue): Caracteriza la composición angular y las proporciones relativas de los canales.
3. Derivación de Umbrales:
   • V y S: El artículo deriva límites superiores e inferiores cerrados para $V$ y $S$ basados en el umbral de detección de Neyman–Pearson ($\gamma_{GS}$) establecido en la Parte I. Estos límites definen el rango teórico de estas características bajo las hipótesis de Línea de Visión (LOS) y multitrayectoria. Los detectores prácticos utilizan los límites superiores basados en LOS como umbrales de decisión de un solo lado.
   • H: Dado que el matiz es una variable angular sobre $[0, 2\pi)$, no se puede derivar directamente un límite de intervalo cerrado a partir de $\gamma_{GS}$. En su lugar, el artículo analiza las funciones de densidad de probabilidad del matiz bajo condiciones de LOS y multitrayectoria. Construye un estadístico de razón de probabilidad ilustrativo ($T_H$) basado en las probabilidades de los cuadrantes para convertir la distribución del matiz en una variable de decisión.

Contribuciones Clave

1. Representación RGB: Establecimiento de una representación de espacio de color RGB lineal para el vector de correlación normalizado E/P/L de la rama Q, tendiendo un puente entre el modelo de elipsoide del dominio estadístico (Parte I) y la representación de características del dominio del color.
2. Características Interpretables: Formulación de Valor ($V$), Saturación ($S$) y Matiz ($H$) como funciones deterministas del vector de correlación mapeado, caracterizando respectivamente la magnitud del canal, el contraste y la composición angular.
3. Límites Teóricos: Derivación de límites cerrados basados en LOS y multitrayectoria para $V$ y $S$ directamente a partir del umbral estadístico $\gamma_{GS}$. Para $H$, la construcción de un estadístico de razón de probabilidad y su umbral basado en las distribuciones de matiz.
4. Validación: Verificación exhaustiva de las relaciones teóricas mediante simulaciones de Monte Carlo, datos de reproducción urbana de Spirent Sim3D y datos de pruebas de campo dinámicas recolectados en un entorno urbano denso (Lujiazui, Shanghái).

Resultados

• Consistencia del Modelo: Las simulaciones de Monte Carlo confirmaron que los límites teóricos para $V$ y $S$ se alinean estrechamente con los datos simulados en varios niveles de $C/N_0$. El modelo de distribución de matiz teórico también mostró un alto solapamiento (OVL > 0.9) con las distribuciones simuladas para la mayoría de los parámetros de multitrayectoria, particularmente respecto a la atenuación de energía y $C/N_0$.
• Desempeño de Detección:
  • El detector basado en V exhibió patrones de desempeño similares al detector original en el dominio estadístico ($\gamma_{GS}$), preservando la sensibilidad a los efectos de traslación.
  • El detector basado en S mostró una región de alta detección más estrecha, ya que la normalización de tipo razón suprimió la información de traslación absoluta útil para la multitrayectoria débil.
  • El estadístico basado en H demostró una sensibilidad superior en regiones donde otros detectores tenían dificultades, específicamente bajo multitrayectoras de corto retardo y pequeñas rotaciones de fase. En las simulaciones de Spirent y las pruebas de campo que involucraron trayectorias reflejadas cortas (aprox. 0.05–0.06 chips), el detector basado en el matiz proporcionó la coincidencia cualitativa más clara con las etiquetas de verdad de terreno (ground-truth), detectando segmentos de multitrayectoria que el estadístico elipsoidal escalar omitió.
• Validación de Campo: Las pruebas de campo dinámicas en un cañón urbano confirmaron que la variación temporal de la característica $H$ se mantuvo cualitativamente consistente con el comportamiento simulado, desplazándose desde la expectativa centrada en LOS ($\pi$) hacia la región concentrada en la multitrayectoria ($\pi$ a $3\pi/2$).

Significancia y Reivindicaciones
El artículo afirma establecer un "puente interpretable" desde los elipsoides del espacio estadístico hacia las características del espacio de color RGB. Su principal significancia radica en proporcionar una base teórica para futuros análisis de multitrayectoria basados en imágenes y aprendizaje sin sacrificar la interpretabilidad física del modelo de dominio de correlación.

Los autores posicionan modestamente el estadístico basado en el matiz ($T_H$) no como un detector optimizado, sino como un ejemplo que demuestra cómo las características de color del espacio de distribución pueden convertirse en variables de decisión. El trabajo destaca que la representación RGB preserva la interpretación del dominio estadístico al tiempo que ofrece características complementarias, particularmente la distribución del matiz, la cual es sensible a los efectos de multitrayectoria de corto retardo que a menudo son indistinguibles utilizando únicamente los estadísticos elipsoidales escalares. Este marco soporta futuras extensiones, tales como la construcción de representaciones de color-tiempo para aplicaciones de aprendizaje automático en la inversión de parámetros de multitrayectoria y el modelado de entornos de propagación.