RIS Nearfield Position and Velocity Estimation Using a Validated Propagation Model

यहाँ शोध पत्र "RIS Nearfield Position and Velocity Estimation Using a Validated Propagation Model" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र Reconfigurable Intelligent Surfaces (RIS) का उपयोग करके Non-Line-of-Sight (NLOS) इनडोर परिदृश्यों में एक User Equipment (UE) के स्थिति (position) और वेग (velocity) के अनुमान की चुनौती को संबोधित करता है।

• संदर्भ: औद्योगिक स्वचालन (industrial automation) और नियंत्रण में, Base Station (BS) और UE के बीच सीधा Line-of-Sight (LOS) अक्सर बाधित होता है। RIS संकेतों को परावर्तित करके एक बाईपास बना सकता है, लेकिन RIS के Near-Field (NF) में UE को सटीक रूप से स्थानीयकृत (localize) करना कठिन है।
• विशिष्ट चुनौतियाँ:
  • मौजूदा एल्गोरिदम अक्सर Far-Field (FF) धारणाओं (प्लेनर वेवफ्रंट) पर निर्भर करते हैं, जो कम दूरी पर विफल हो जाते हैं जहाँ गोलाकार वेवफ्रंट (spherical wavefronts) प्रभावी होते हैं।
  • पिछले तरीके वास्तविक एंटीना पैटर्न (BS, RIS यूनिट सेल्स, और UE) को ध्यान में नहीं रख सकते हैं, जिससे अशुद्धियाँ आती हैं।
  • एक व्यावहारिक, कंपाउंड RIS संरचनाओं (एकाधिक टाइल्स) के साथ काम करने वाले मजबूत एल्गोरिदम की आवश्यकता है, न कि आदर्श एकल सरणियों (idealized single arrays) की।

2. कार्यप्रणाली (Methodology)

लेखक एक सत्यापित संख्यात्मक प्रसार मॉडल (numerical propagation model) का उपयोग करते हुए, प्राप्त पायलट प्रतीकों के एकल स्नैपशॉट पर आधारित एक संशोधित तीन-चरणीय अनुमान एल्गोरिदम का प्रस्ताव करते हैं।

A. सिस्टम और सिग्नल मॉडल

• सेटअप: एक BS, एक पैसिव रिफ्लेक्टिव RIS (M तत्वों से बना), और एक गतिशील UE। BS और UE के बीच LOS बाधित है।
• प्रसार मॉडल (Propagation Model): शोध पत्र एक सत्यापित मॉडल का उपयोग करता है (संदर्भ [6]–[8] से), जिसमें शामिल हैं:
  • एंटीना पैटर्न: BS हॉर्न, UE मोनोपोल, और RIS यूनिट सेल्स के लिए दिशात्मक लाभ (directional gains)।
  • ज्यामिति (Geometry): चैनल गुणांक (channel coefficient) BS से RIS तत्व की विशिष्ट दूरी और RIS तत्व से UE की दूरी को ध्यान में रखता है।
  • परावर्तन (Reflection): प्रति RIS यूनिट सेल 1-बिट फेज कंट्रोल।
• सिग्नल सरलीकरण: प्राप्त सिग्नल को स्थिति ($p$) और वेग ($v$) पर निर्भर फेज टर्म्स को अलग करने के लिए मॉडल किया गया है, यह मानते हुए कि लघु-पैमाने की गतिशीलता (small-scale mobility) और अवलोकन विंडो के दौरान आयाम (amplitude) स्थिर रहता है।

B. संशोधित एल्गोरिदम

लेखक निकट-क्षेत्र (near-field) स्थितियों को अधिक मजबूती से संभालने के लिए पूर्व कार्य [4] में प्रस्तावित मल्टी-स्टेप एल्गोरिदम को परिष्कृत करते हैं:

1. चरण 1: सुदृढ़ 3D ग्रिड सर्च (GS):
   • पिछला दृष्टिकोण: एज़िमथ/एलिवेशन के लिए 2D GS का उपयोग किया गया था जो FF धारणाओं पर आधारित था, जिसके बाद रेंज के लिए लाइन सर्च किया जाता था। यह कम दूरी पर विफल रहा।
   • प्रस्तावित दृष्टिकोण: एज़िमथ ($\phi$), एलिवेशन ($\theta$), और रेंज ($r$) में पूर्ण Near-Field (NF) अभिव्यक्ति का उपयोग करते हुए एक 3D Grid Search। यह निकट सीमा पर अमान्य FF धारणाओं के कारण होने वाले त्रुटि प्रसार (error propagation) से बचाता है।
2. चरण 2: क्लोज्ड-फॉर्म (CF) परिशोधन:
   • वर्तमान अनुमानों के आधार पर स्थिति और वेग ऑफसेट्स ($p_\delta, v_\delta$) की गणना करने के लिए RIS फेज रिस्पॉन्स के रैखिकीकरण (linearization) का उपयोग करता है। यह चरण प्रारंभिक ग्रिड सर्च परिणामों को पुनरावृत्त रूप से परिष्कृत करता है।
3. चरण 3: 6D ग्रेडिएंट डिसेंट:
   • प्रारंभिक परिष्कृत अनुमानों से शुरू होकर चैनल मॉडल के नल स्पेस (null space) पर प्राप्त सिग्नल वेक्टर के प्रोजेक्शन एरर को कम करने के लिए एक अंतिम अनुकूलन चरण, जो अंतिम Maximum Likelihood (ML) अनुमान प्रदान करता है।

3. मुख्य योगदान (Key Contributions)

• एल्गोरिदम में सुधार: यह प्रदर्शित किया गया कि प्रारंभिक FF-आधारित ग्रिड सर्च कम दूरी (near-field) के लिए मजबूत नहीं है। एक बेहतर इनिशियलाइजेशन स्टेप के रूप में 3D Near-Field Grid Search का प्रस्ताव और विश्लेषण किया गया।
• वास्तविक सत्यापन: एल्गोरिदम का मूल्यांकन एक सत्यापित प्रसार मॉडल का उपयोग करके किया गया जिसमें वास्तविक एंटीना पैटर्न और एक कंपाउंड RIS संरचना (4 टाइल्स, कुल 508 तत्व) शामिल है, न कि आदर्श आइसोट्रोपिक मॉडल।
• प्रदर्शन विश्लेषण: एंटीना पैटर्न का अनुमान त्रुटि पर प्रभाव को मात्रात्मक रूप से निर्धारित किया गया और प्रत्येक एल्गोरिदम चरण (GS, CF, Gradient Descent) के त्रुटि योगदान का विस्तृत विवरण प्रदान किया गया।

4. सिमुलेशन परिणाम (Simulation Results)

लेखकों ने 23.8 GHz की केंद्र आवृत्ति के साथ $z = -0.5\text{m}$ की ऊँचाई पर एक $3\text{m} \times 3\text{m}$ एरिया ऑफ इंटरेस्ट (AOI) का सिमुलेशन किया।

• 2 मीटर पर सटीकता:
  • स्थिति त्रुटि (Position Error): 7 mm (RMS) प्राप्त की।
  • वेग त्रुटि (Velocity Error): 0.12 m/s (RMS) प्राप्त की।
• एंटीना पैटर्न का प्रभाव:
  • सिमुलेशन ने दिखाया कि वास्तविक एंटीना पैटर्न को शामिल करने से एक आदर्श मॉडल (जहाँ पैटर्न को 1 सेट किया गया है) की तुलना में अनुमान त्रुटि बढ़ जाती है। हालांकि, त्रुटि औद्योगिक अनुप्रयोगों के लिए स्वीकार्य सीमा के भीतर रहती है।
• दूरी की निर्भरता:
  • सिग्नल क्षीणन (attenuation) और नियर-फील्ड वेवफ्रंट वक्रता प्रभावों के क्षय के कारण RIS से दूरी बढ़ने पर त्रुटियां बढ़ती हैं।
  • $< 1.2\text{m}$ की दूरी के लिए, छोटे विस्थापन (displacements) के लिए व्युत्पन्न क्लोज्ड-फॉर्म परिशोधन अभिव्यक्तियों की सीमाओं के कारण त्रुटियां थोड़ी बढ़ जाती हैं या स्थिर हो जाती हैं।
• एल्गोरिदम चरण:
  • Near-Field Grid Search (GS NF) ने $< 2\text{m}$ की दूरी के लिए Far-Field दृष्टिकोण (GS FF) की तुलना में काफी बेहतर प्रदर्शन किया।
  • Closed-Form (CF) और 6D Gradient Descent चरणों ने अंतिम अभिसरण (convergence) प्रदान किया।
  • पाया गया कि एक "फाइन" (fine) ग्रिड सर्च चरण अनावश्यक था, क्योंकि CF और 6D चरण इस बात की परवाह किए बिना एक ही परिणाम पर अभिसरित हुए कि प्रारंभिक GS 'कोर्स' (coarse) था या 'फाइन'।

5. महत्व (Significance)

• व्यावहारिक प्रयोज्यता: परिणाम प्रदर्शित करते हैं कि RIS-आधारित स्थानीयकरण उन औद्योगिक स्वचालन और नियंत्रण परिदृश्यों के लिए व्यवहार्य है जहाँ NLOS वातावरण में उच्च सटीकता (मिलीमीटर-स्तर) की आवश्यकता होती है।
• मॉडल फिडेलिटी (Model Fidelity): यह शोध पत्र वास्तविक एंटीना पैटर्न को शामिल करने वाले सत्यापित प्रसार मॉडलों के महत्वपूर्ण महत्व पर प्रकाश डालता है। इन पैटर्नों को अनदेखा करने से आशावादी लेकिन अवास्तविक प्रदर्शन भविष्यवाणियाँ होती हैं।
• एल्गोरिदम मजबूती: इनिशियलाइजेशन स्टेप में Far-Field से Near-Field धारणाओं में स्थानांतरित होकर, प्रस्तावित विधि यह सुनिश्चित करती है कि जब UE, RIS के बहुत करीब हो (जो इनडोर डिप्लॉयमेंट में एक सामान्य परिदृश्य है), तब भी विश्वसनीय स्थानीयकरण संभव हो।
• हार्डवेयर व्यवहार्यता: 1-बिट फेज कंट्रोल (कम जटिलता वाला हार्डवेयर) के साथ एक कंपाउंड RIS का उपयोग करके उच्च सटीकता प्राप्त करना यह सिद्ध करता है कि लागत प्रभावी RIS प्रोटोटाइप उन्नत सेंसिंग कार्यों का समर्थन कर सकते हैं।