⚡ electrical engineering

RIS Nearfield Position and Velocity Estimation Using a Validated Propagation Model

Dit artikel presenteert een robuust, drie-staps algoritme voor de schatting van positie en snelheid met behulp van reconfigurable intelligent surfaces (RIS) in niet-zichtlijn-scenario's, dat de beperkingen van ver-veld-aannames en antennepatronen overwint om een nauwkeurigheid van 7 mm en 0,12 m/s te bereiken op 2 meter afstand.

Oorspronkelijke auteurs: Thomas Zemen, Musa Furkan Keskin, Moustafa Rahal, Thomas Wilding, Hamed Radpour, Markus Hofer, Benoit Denis, Henk Wymeersch

Gepubliceerd 2026-02-16

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Thomas Zemen, Musa Furkan Keskin, Moustafa Rahal, Thomas Wilding, Hamed Radpour, Markus Hofer, Benoit Denis, Henk Wymeersch

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Hoe een slimme muur je positie en snelheid kan vinden (zelfs als je niet zichtbaar bent)

Stel je voor dat je in een groot, vol magazijn loopt. Er staat een grote machine die je niet kunt zien omdat er een hoge kast tussen jou en de machine staat. Normaal gesproken zou de machine je niet kunnen vinden of je snelheid kunnen meten. Maar wat als je die kast kon veranderen in een "slimme spiegel"?

Dat is precies wat dit onderzoek doet. Het gebruikt een RIS (Reconfigurable Intelligent Surface), wat je kunt zien als een muur van duizenden kleine, intelligente spiegeltjes. Deze muur kan het signaal van een zender (de "Base Station") op een slimme manier naar jou reflecteren, zodat de zender je toch kan "zien" en lokaliseren, zelfs als je er niet direct zichtbaar bent.

Hier is een simpele uitleg van wat de onderzoekers hebben gedaan en ontdekt:

1. Het Probleem: De "Verre Vriend" vs. De "Nabije Vriend"

De onderzoekers wilden een algoritme maken dat je positie (waar je bent) en snelheid (hoe snel je loopt) kan berekenen op basis van deze reflecties.

De oude manier: De meeste bestaande methodes gaan ervan uit dat je ver weg bent. Ze behandelen de golven alsof ze rechte lijnen zijn die uit een ver punt komen (zoals het licht van een ver weggelegen lantaarnpaal).
Het nieuwe inzicht: Als je dicht bij de "slimme muur" staat (binnen een paar meter), werkt die "verre" aanname niet meer. De golven krommen dan als een bol (zoals de rimpels in een vijver als je een steen gooit). Als je dit niet meeneemt in de berekening, krijg je een heel slechte schatting van waar je bent.

De analogie:
Stel je voor dat je probeert te raden waar iemand staat door naar hun schaduw te kijken.

Als ze ver weg staan, is hun schaduw lang en dun (verre aanname).
Als ze heel dicht bij de muur staan, is hun schaduw kort en breed (dichtbij aanname).
De oude methode probeerde de korte, brede schaduw te meten alsof het een lange, dunne was. Dat gaf een verkeerd antwoord.

2. De Oplossing: Een Slimme Drie-Stappen Dans

De onderzoekers hebben een nieuwe, robuustere methode bedacht om je te vinden. Ze noemen het een "drie-stappen algoritme":

De Grove Schatting (Het Net): In plaats van te gokken met de "verre" aanname, gebruiken ze nu een 3D-net dat rekening houdt met de kromming van de golven. Ze gooien een groot net uit om je ongeveer te vinden.
De Fijne Instelling (De Schuifregelaar): Zodra ze je ongeveer hebben gevonden, gebruiken ze een wiskundige formule om je positie en snelheid iets bij te stellen. Dit is alsof je de schuifregelaar van een radio een beetje draait tot het geluid perfect is.
De Finale Sfeer (De Perfectie): Tot slot doen ze een snelle, geavanceerde zoektocht om de laatste millimeters en milliseconden perfect te maken.

3. Wat hebben ze ontdekt? (De Resultaten)

Ze hebben dit getest in een simulatie van een industriële ruimte (een "AOI" of gebied van belang) van 3 bij 3 meter.

Dichtbij is lastig, maar mogelijk: Op een afstand van slechts 2 meter van de muur, lukte het hen om je positie te vinden met een foutmarge van slechts 7 millimeter. Dat is kleiner dan de breedte van een vinger!
Snelheid: Ze konden je snelheid meten met een fout van 0,12 meter per seconde. Dat is alsof je bijna stilstaat, maar ze weten precies hoe snel je beweegt.
De "Antenne" factor: Ze ontdekten dat de vorm van de antennes (hoe ze het signaal uitzenden en ontvangen) de meting een beetje verstoort. Het is alsof je door een gekleurd glas kijkt; het beeld is nog steeds goed, maar er is een klein beetje extra ruis. Toch is het resultaat zo nauwkeurig dat het prima werkt voor fabrieken en logistiek.

4. Waarom is dit belangrijk?

Dit is een doorbraak voor industrie 4.0 en 6G-netwerken.
Stel je een fabriek voor waar robots en mensen rondlopen. Er zijn vaak muren of machines die het zicht blokkeren. Met deze technologie kunnen de robots elkaar en de mensen precies volgen, zonder dat er dure camera's of sensoren nodig zijn. Het maakt de fabriek veiliger en efficiënter.

Kort samengevat:
De onderzoekers hebben bewezen dat je een "slimme muur" kunt gebruiken om mensen en robots in een donkere hoek van een fabriek extreem nauwkeurig te vinden en te volgen, zelfs als ze ver weg van de zender lopen. Ze hebben een oude, onnauwkeurige rekenmethode vervangen door een nieuwe, slimme methode die rekening houdt met de echte, kromme natuur van de golven.

Titel: RIS Nabijveld Positie- en Snelheidsschatting met een Geverifieerd Propagatiemodel

1. Probleemstelling

In niet-zichtlijn (NLOS) scenario's, zoals binnen industriële automatisering, is het moeilijk om de positie en snelheid van een gebruikersapparaat (UE) te schatten omdat het directe signaal van de basisstation (BS) wordt geblokkeerd. Reconfigurable Intelligent Surfaces (RIS) worden gebruikt om deze verbindingen te herstellen door het signaal te reflecteren. Echter, bestaande algoritmen voor positionering in het nabijveld (near-field) van een RIS vertonen tekortkomingen:

Veel methoden maken gebruik van een ver-veld (far-field) aanname voor de initiële schatting van de hoek (azimut en elevatie). Deze aanname is onnauwkeurig op korte afstanden tot het RIS, wat leidt tot fouten in de berekende afstand (range).
Bestaande simulaties negeren vaak de antennepatronen van de BS, de RIS-cellen en de UE, wat resulteert in een te optimistische prestatie-inschatting.
Er is behoefte aan een robuust algoritme dat werkt met een realistisch, empirisch gevalideerd propagatiemodel voor praktische binnenomgevingen.

2. Methodologie

De auteurs gebruiken een numeriek simulatiemodel dat is gevalideerd met empirische metingen uit eerdere studies [6], [7]. Het systeem bestaat uit één BS, één passief reflecterend RIS en één mobiel UE.

Hardware Configuratie: Het RIS bestaat uit een samengesteld oppervlak van vier tegels, met in totaal 508 eenheidscellen (127 per tegel). Elke cel heeft 1-bit fasecontrole. De frequentie is 23,8 GHz (mmWave).
Signaalmodel: Het ontvangen signaal wordt gemodelleerd met inachtneming van de golffrontkromming (nabijveldseffecten), de geometrie van de BS en UE, en de antennepatronen (richtingskarakteristieken) van alle componenten.
Algoritme-aanpassing (Drie-stappen methode):
De auteurs passen een bestaand multi-stap algoritme (uit [4]) aan om het robuuster te maken voor korte afstanden:
1. Verbeterde Initiële Grid Search (GS): In plaats van een 2D-zoekopdracht met een ver-veld-aanname gevolgd door een lijnzoekopdracht voor de afstand, voeren de auteurs een 3D Grid Search uit in het nabijveld (azimut, elevatie en afstand). Dit voorkomt fouten die ontstaan door de ver-veld-aanname op korte afstanden.
2. Gesloten-vorm (Closed-Form) verfijning: Een lineaire benadering wordt gebruikt om de initiële positie- en snelheidsschattingen te verfijnen op basis van het ontvangen signaalvector.
3. 6D Gradient Descent: Een laatste optimalisatiestap om de Maximum Likelihood (ML) schatting te vinden voor zowel positie ( $p$ ) als snelheid ( $v$ ).

3. Belangrijkste Bijdragen

Analyse van een praktisch RIS-ontwerp: Het artikel analyseert het 3-staps algoritme voor een compound RIS-structuur (meerdere tegels) in plaats van een theoretisch ideaal oppervlak.
Robuust Nabijveld Algoritme: De auteurs tonen aan dat de initiële grid search met ver-veld-aanname niet robuust is voor korte afstanden (< 2 m). Ze stellen een 3D nabijveld grid search voor die aanzienlijk nauwkeuriger is.
Realistische Evaluatie: Voor het eerst worden positie- en snelheidsschattingen geëvalueerd met een empirisch gevalideerd propagatiemodel dat de antennepatronen van de BS, RIS-cellen en UE expliciet omvat.
Foutanalyse: Er wordt aangetoond dat het negeren van antennepatronen leidt tot een verhoogde schattingsfout, maar dat het algoritme hier nog steeds bruikbaar voor is.

4. Resultaten

De simulaties zijn uitgevoerd voor een interessegebied (AOI) van 3m x 3m op een hoogte van -0,5m, met een BS op een vaste locatie en een UE die zich lineair beweegt.

Prestaties op 2 meter afstand:
- Positiefout (RMSPE): 7 mm.
- Snelheidsfout (RMSVE): 0,12 m/s.
- Deze resultaten zijn bereikt met het volledige algoritme (3D GS + CF + 6D GD) onder een realistisch model.
Invloed van de initiële stap: De vergelijking tussen de oude methode (Ver-veld GS) en de nieuwe methode (Nabijveld GS) toont aan dat de nieuwe methode de fouten op korte afstanden (< 2 m) drastisch reduceert.
Invloed van Antennepatronen: Wanneer de antennepatronen worden genegeerd (verondersteld als isotroop), is de fout lager. De aanwezigheid van de patronen verhoogt de fout lichtjes, maar niet zodanig dat het systeem onbruikbaar wordt voor industriële toepassingen.
Afstandsafhankelijkheid: De fouten nemen toe naarmate de afstand tot het RIS toeneemt, voornamelijk door de afname van het signaal en het afnemen van de kromming van het golffront (minder nabijveldseffecten).

5. Betekenis en Conclusie

Dit onderzoek demonstreert dat RIS-technologie zeer geschikt is voor nauwkeurige positionering en snelheidsschatting in NLOS-binnenomgevingen, zelfs op korte afstanden waar de golffrontkromming significant is.

De belangrijkste inzichten zijn:

Het gebruik van een ver-veld-aanname in de initiële stap van positioneringsalgoritmen is onvoldoende voor korte afstanden en moet worden vervangen door een nabijveld-benadering.
Zelfs met een realistisch model dat antennepatronen en beperkte bit-resolutie (1-bit) omvat, kunnen millimeter-nauwkeurige positie- en snelheidsschattingen worden bereikt.
De voorgestelde methode is direct toepasbaar in scenario's zoals industriële automatisering en controle, waar betrouwbare NLOS-communicatie en positionering essentieel zijn.

De auteurs concluderen dat hun aangepaste drie-staps algoritme een robuuste oplossing biedt voor de uitdagingen van RIS-gebaseerde positionering in het nabijveld.