技術概要：物理情報に基づく軌道推定による注釈不要な屋内無線マッピング

問題定義

屋内無線マップの構築は、従来、正確なユーザー位置ラベルを必要とする労働集約的なサイト調査に依存しており、このプロセスはコストが高く、スケーリングが困難である。校正コストを削減しようとする既存の手法は、部分的な位置注釈に依存するか、相対的な運動手がかりとして慣性計測ユニット（IMU）を利用することが多い。しかし、IMU ベースのソリューションは、ハードウェアの可用性、オペレーティングシステムの権限、プライバシーポリシー、および蓄積されたセンサーのドリフトに関する制限に直面している。

本論文は、ユーザー位置ラベルも IMU 測定値も不要な屋内無線マッピングの問題に取り組む。この問題は、以下の実用的な展開設定の下で定式化される：

1. アクセスポイント（AP）の位置、アレイの向き、および有効な歩行可能な空間領域が既知である（設置記録または平面図から導出される）。
2. どのチャネル状態情報（CSI）サンプルも、ユーザーの物理座標で注釈付けられていない。
3. 目標は、時間的 CSI 系列に関連する潜在軌道を推定し、この回復された軌道を使用して無線マップを構築することである。

課題は、深刻なマルチパス伝搬、非同期測定、および非視距（NLoS）成分が CSI の変動と物理的変位との関係を不明瞭にする、複雑な屋内環境にある。

手法

著者は、空間的正則化ベイズモデルに基づく物理情報に基づく軌道推定フレームワークを提案する。中核的なアプローチは、以下の 3 つの主要なコンポーネントを含む：

1. 物理情報に基づく空間連続性（PADP 特徴）

このフレームワークは、マルチパス伝搬の局所的な空間連続性を活用する。著者は、準静的環境における小さな物理的変位が、支配的なマルチパス成分の位相、遅延、および角度応答に構造化された変化を引き起こすことを観察している。

• PADP 構築: 電力 - 角度 - 遅延プロファイル（PADP）特徴距離を MIMO-OFDM CSI から構築する。これには、CSI の正規化、角度辞書および正規化 DFT 行列への投影、および振幅の計算が含まれる。
• 連続性の命題: 局所的な近傍内では、2 つの CSI 観測間の PADP 距離が、対応するユーザー位置間のユークリッド距離に対する物理的に意味のある代理指標として機能することが示される。この関係は、加法的ノイズを伴う線形代理モデルとしてモデル化され、軌道推定のためのペアワイズ正則化項を提供する。

2. ベイズ軌道推定モデル

この問題は、潜在軌道（$X_T$）と伝搬パラメータ（$\Theta_p$）の結合最適化として定式化される。目的関数は、空間的正則化された対数尤度を最大化する：

• 放出項: 対数距離経路損失モデルを介してモデル化された受信信号強度（RSS）と、空間共分散行列に対する MUSIC 型探索から導出された方向情報を組み込む。
• 遷移項: 既知の歩行可能領域から導出された離散化された空間グラフ上の一次マルコフ移動モデルを使用し、妥当な歩行速度に基づいて移動を制約する。
• 正則化: ペアワイズエネルギー項は、物理的変位が観測された PADP 変動と整合しない遷移に対してペナルティを課す。この項はパラメータ $\eta$ によって重み付けされる。

3. 交互最適化アルゴリズム

軌道とパラメータは結合しているため、著者は交互最適化戦略を採用する：

1. 初期化: RSS、方向尤度、および移動制約のみを使用して粗い軌道を推定する（正則化重み $\eta = 0$ に設定）。
2. パラメータ推定: 現在の軌道を与えられた上で、伝搬パラメータ（経路損失係数、ノイズ分散、PADP 連続性パラメータ）を、閉形式解または最小二乗推定を用いて更新する。
3. 軌道精緻化: 更新されたパラメータを用いて、軌道を空間グラフ上で正則化された目的関数を最大化することにより、Viterbi 型再帰を用いて精緻化する。
4. 無線マップ構築: 潜在軌道が回復されたら、CSI 観測を推定された座標に関連付け、カーネル重み付き平均を使用して RSS、PADP、チャネル、およびビームドメインの無線マップを構築する。

主要な貢献

本論文は、以下の 4 つの主要な貢献を強調している：

1. 位置ラベル不要な定式化: ユーザー位置ラベルや IMU データを必要とせず、既知の AP 幾何学と歩行可能領域のみに依存する、屋内無線マッピングの新しい問題設定。
2. PADP 連続性手がかり: 局所的な角度 - 遅延変動を捉え、小さな空間的変位に対する物理情報に基づく代理指標として機能する、PADP ベースの CSI 距離の構築。
3. 正則化ベイズ推論: RSS、角度情報、移動制約、および PADP 連続性を統合し、潜在軌道の回復と伝搬パラメータの推定を同時に行うフレームワーク。
4. 実世界での検証: 既存のベースラインと比較して、この手法の有効性を示す実世界の産業データセットを用いた実験的実証。

実験結果

提案されたフレームワークは、4 つの分散型一様平面アレイ（UPA）を備えた実世界の産業ホール（約 14m $\times$ 14m）で収集されたdichasus-cf0xデータセットで評価された。真の位置（Ground-truth）は、トレーニングや推論には使用されず、評価のみに使用された。

性能指標:

• 位置特定誤差: 提案手法は、平均位置特定誤差0.88 mを達成した。これは、チャネル埋め込み手法（例：Bilateration で 0.98 m、Siamese で 1.21 m）および IMU 支援手法（例：RITA で 7.58 m、GraphIPS で 2.11 m）を含む代表的なベースラインを上回った。
• 無線マップ構築: この手法は、相対ビームマップ構築誤差**6.68%およびチャネル再構成 RMSE6.93%**を達成した。
• アブレーション研究: PADP 正則化を除去した場合（Proposed w/o）、位置特定誤差は 1.32 m に増加し、物理情報に基づく連続性手がかりの価値を実証した。

比較分析:

• IMU 支援手法は、ドリフトの蓄積および産業環境におけるドメインの不一致により、性能が低下した。
• クラスタリングベースの教師なし手法（ENAP、VRLoc）も性能が低く、離散的なクラスタ構造のみでは微細な軌道連続性を維持するには不十分であることを示唆している。
• 提案手法の軌道回復は、実験結果に視覚化されているように、他の手法と比較して測定された経路の全体的な形状をよりよく保持した。

意義と主張

本論文は、AP の幾何学と歩行可能領域が既知であれば、ユーザー位置ラベルや補助的な IMU 測定値に依存することなく、CSI 系列から屋内無線マップを構築できると主張している。その意義は以下の点にある：

• 校正コストの削減: 労働集約的なサイト調査と正確なラベリングの必要性を排除する。
• ハードウェア非依存: IMU への依存を排除し、ハードウェアの不均一性、プライバシー、およびセンサードリフトに関連する問題を回避する。
• 物理情報に基づく学習: 深刻なマルチパス環境であっても、CSI の局所的な角度 - 遅延変動が有用な幾何学的情報を保持し、「物理情報に基づく」空間連続性事前分布の構築を可能にすることを示す。

著者は、回復された軌道が、高忠実度の無線マップ（RSS、PADP、チャネル、およびビームドメイン）を構築するための有効な空間的アンカーとして機能し、実世界の産業シナリオにおける提案された PADP 正則化の有効性を検証していると結論付けている。