🔢 mathematics

A Robust 5G Terrestrial Positioning System with Sensor Fusion in GNSS-denied Scenarios

Este artigo apresenta um sistema de posicionamento terrestre robusto baseado em infraestrutura 5G que, ao combinar medições de fase de portadora, aprendizado profundo para identificação de links NLOS e fusão de sensores via filtro de Kalman, alcança uma precisão inferior a 5 metros em cenários urbanos sem GNSS, oferecendo uma alternativa viável e resiliente aos serviços de navegação por satélite.

Autores originais: Hamed Talebian, Nazrul Mohamed Nazeer, Darius Chmieliauskas, Jakub Nikonowicz, Mehdi Haghshenas, Łukasz Matuszewski, Mairo Leier, Aamir Mahmood

Publicado 2026-04-08

📖 4 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Hamed Talebian, Nazrul Mohamed Nazeer, Darius Chmieliauskas, Jakub Nikonowicz, Mehdi Haghshenas, Łukasz Matuszewski, Mairo Leier, Aamir Mahmood

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está dirigindo um carro em uma cidade grande e, de repente, o seu GPS (aquele que usa satélites) para de funcionar. Pode ser porque você entrou em um túnel, está entre prédios muito altos ou alguém está bloqueando o sinal. Sem o GPS, você fica perdido.

Este artigo apresenta uma solução inteligente para esse problema: usar as torres de celular 5G como se fossem satélites para descobrir onde você está, mesmo quando o sinal de satélite não chega.

Aqui está a explicação do sistema, usando analogias simples:

1. O Problema: O GPS não é infalível

O GPS tradicional depende de sinais vindos do espaço. Se houver obstáculos (como prédios, árvores ou túneis), o sinal some ou chega distorcido. O artigo diz: "Por que depender apenas de um único sistema? Vamos usar a rede de celular que já está em toda parte."

2. A Solução Principal: "Medir com uma Régula de Luz" (Posicionamento por Fase)

Para saber onde você está com precisão, o sistema usa as ondas de rádio do 5G.

A Analogia: Imagine que as ondas de rádio são como ondas no mar. Se você souber exatamente a "altura" da onda quando ela sai da torre e quando ela chega no seu celular, você pode calcular a distância com precisão de centímetros.
O Desafio: As ondas se repetem muito rápido (como ciclos de uma onda). É difícil saber em qual "ciclo" exato você está. É como tentar medir a distância de um prédio usando uma régua de 1 metro, mas você não sabe quantas réguas completas cabem entre você e o prédio.
A Mágica do Artigo: Os autores criaram um método para usar duas frequências diferentes ao mesmo tempo. Imagine que você tem duas réguas: uma de 1 metro e outra de 1,10 metros. Ao comparar onde as marcas das duas réguas coincidem, você consegue descobrir a distância exata sem precisar contar quantas réguas completas existem. Isso resolve o "mistério" da contagem e permite medir a distância com precisão milimétrica, desde que você tenha uma linha de visão direta com a torre.

3. O Guardião: "O Detetive de Sinais Falsos" (Classificação LOS/NLOS)

O problema é que, nas cidades, o sinal muitas vezes bate em prédios e volta (reflexão), chegando atrasado. Isso é como alguém gritando "Estou aqui!" de dentro de um cano de esgoto; o eco chega depois e faz você pensar que a pessoa está mais longe do que realmente está.

A Solução: O sistema usa uma Inteligência Artificial (um cérebro digital) treinada para ouvir o sinal e dizer: "Este sinal veio direto da torre (bom)" ou "Este sinal bateu em um prédio e voltou (ruim)".
O Resultado: Se o sinal for "sujo" (refletido), o sistema o descarta imediatamente, como um juiz rejeitando uma prova falsa. Só usa os sinais limpos para calcular a posição.

4. O Plano B: "O Copiloto que Sente o Movimento" (Fusão de Sensores)

E se você entrar em um túnel onde nem o sinal de celular nem o GPS funcionam? O sistema não entra em pânico.

A Analogia: Pense em um piloto cego. Ele não vê nada, mas sente o movimento do avião e sabe para onde está indo.
Como funciona: O carro tem câmeras (que veem as ruas) e sensores de movimento (IMU, que sentem aceleração e curvas). Quando o sinal de celular some, o sistema "liga" essas câmeras e sensores. Eles contam a história do movimento: "O carro virou à direita, acelerou 5 segundos...".
O Mestre de Cerimônias (Filtro de Kalman): Existe um algoritmo inteligente que junta tudo:
- Quando o sinal 5G está bom, ele corrige o GPS.
- Quando o sinal some, ele usa as câmeras e o sensor de movimento para manter o rastro.
- Assim que o sinal volta, ele corrige qualquer erro que tenha acumulado.

5. O Resultado: Precisão Real

Os autores testaram isso usando dados reais de um carro dirigindo em uma cidade (o conjunto de dados KITTI).

O Conquista: O sistema conseguiu manter o carro localizado com um erro de menos de 5 metros, mesmo em áreas onde o GPS falharia. Isso é tão bom quanto os serviços de GPS comerciais que usamos hoje, mas funciona onde o GPS não consegue.

Resumo Final

Este artigo descreve um sistema de navegação "à prova de falhas". Ele usa as torres 5G como satélites, uma inteligência artificial para filtrar sinais ruins e câmeras/sensores para preencher as lacunas quando o sinal some. É como ter um GPS que nunca deixa você perdido, não importa se você está em um túnel, em um canyon de prédios ou em uma área de interferência.

1. Problema e Motivação

O sistema de navegação global por satélite (GNSS) é a tecnologia padrão para posicionamento, mas apresenta vulnerabilidades críticas em cenários onde os sinais são bloqueados (indoor, áreas urbanas densas) ou deliberadamente perturbados (jamming). A dependência exclusiva do GNSS torna os sistemas de navegação inoperantes nessas condições. Embora as redes celulares (especialmente 5G) ofereçam uma infraestrutura alternativa promissora, as abordagens tradicionais de posicionamento baseadas em tempo (TOA/TDOA) ou ângulo (AOA) sofrem significativamente em ambientes com multipath rico e condições de Não-Linha-de-Vista (NLOS), resultando em erros de posicionamento grandes. O objetivo deste trabalho é desenvolver um sistema de posicionamento terrestre robusto e de alta precisão (nível centimétrico) utilizando infraestrutura 5G, capaz de operar continuamente mesmo na ausência de GNSS.

2. Metodologia Proposta

O sistema proposto é uma arquitetura híbrida que integra três componentes principais para garantir robustez e precisão:

Posicionamento por Fase de Portadora (CPP):
- Utiliza sinais de referência dedicados do 5G (PRS para downlink e SRS para uplink) para medir a fase da onda portadora, permitindo estimativas de distância com precisão centimétrica.
- Resolução de Ambiguidade Inteira: Para contornar o desafio da ambiguidade inteira (o número desconhecido de ciclos completos de onda), o sistema emprega uma abordagem de fase diferencial multi-frequência. Ao calcular a diferença de fase entre duas portadoras, cria-se um "comprimento de onda virtual" ( $\lambda_v$ ) muito maior que o comprimento de onda individual. Se a distância entre o usuário e a estação base for menor que $\lambda_v$ , a ambiguidade é eliminada sem necessidade de estimativa externa.
- Média de Fase: Utiliza uma média linear das diferenças de fase entre múltiplos subportadores (em vez de uma média vetorial ponderada por amplitude) para mitigar o viés causado por reflexões dominantes em ambientes urbanos.
Classificação de Links LOS/NLOS com Aprendizado de Máquina:
- Como o CPP assume propagação em Linha de Vista (LOS), a presença de sinais NLOS degrada drasticamente a precisão.
- Foi desenvolvido um modelo de Rede Neural Convolucional Temporal (T-CNN) leve e eficiente.
- O modelo analisa a Resposta ao Impulso do Canal (CIR) derivada dos sinais SRS para classificar, em tempo real, se um link é LOS ou NLOS.
- Links classificados como NLOS são descartados antes do processo de trilateração, garantindo que apenas medições confiáveis sejam utilizadas.
Fusão de Sensores (VO + IMU + CPP):
- Quando a visibilidade de LOS é perdida (menos de 3 estações base em LOS), o sistema transita para um modo de fusão de sensores.
- Utiliza um Filtro de Kalman Estendido de Estado de Erro (ES-EKF) para fundir dados de:
  - Odometria Visual (VO): Estimativa de movimento baseada em câmera estéreo.
  - Unidade de Medição Inercial (IMU): Acelerômetros e giroscópios para estimativa de curto prazo.
  - CPP: Atualizações de posição absoluta quando disponíveis.
- O ES-EKF mantém a continuidade do rastreamento e corrige a deriva (drift) acumulada dos sensores inerciais e visuais quando os sinais 5G estão disponíveis.

3. Contribuições Principais

Framework de CPP Autônomo: Uma solução que resolve a ambiguidade inteira inteiramente através de análise de fase multi-frequência, eliminando a dependência de assistência externa da RAN (Radio Access Network) ou fusão de dados híbrida complexa.
Classificação LOS/NLOS Orientada a Dados: Um modelo T-CNN otimizado com operações de stride para redução de resolução, focado em eficiência computacional e alta precisão na detecção de links NLOS, utilizando uma métrica de confiança (Cohen's $\kappa$ ) além da simples acurácia.
Arquitetura de Fusão Resiliente: Integração de CPP, VO e IMU em um único pipeline ES-EKF, permitindo transição suave entre posicionamento baseado em rádio e estimativa baseada em sensores inerciais/visuais.
Planejamento de Rede para Posicionamento: Demonstração de que o planejamento tradicional de redes (focado em cobertura de comunicação) é insuficiente para posicionamento de alta precisão, propondo uma densidade maior de estações base (BS) para maximizar a visibilidade LOS.

4. Resultados e Avaliação

O sistema foi avaliado utilizando o conjunto de dados KITTI (veículo em ambiente urbano) combinado com simulações de canal 3GPP (modelo UMi) e rastreamento de raios (Sionna).

Precisão em LOS: Sob condições de LOS com pelo menos 3 estações base, o sistema alcança precisão de nível centimétrico (erro de posicionamento 2D de ~23 cm no percentil 90% em simulações UMi).
Impacto da Classificação NLOS: A aplicação do filtro T-CNN para excluir links NLOS reduziu drasticamente o erro de posicionamento em cenários mistos, aproximando o desempenho do caso puro de LOS.
Desempenho de Fusão: Na avaliação com o KITTI (Sequência 09):
- O uso isolado de VO resultou em um Erro de Trajetória Absoluta (ATE) de 11,56 m.
- A fusão de SRS/PRS + IMU + VO reduziu o ATE para 4,63 m.
- O sistema demonstrou capacidade de manter o rastreamento contínuo mesmo quando os sinais 5G estavam obstruídos, superando o desempenho de sistemas de ponta comparáveis na literatura (melhoria de fator 2 no ATE).
Comparação com GNSS: O erro de posicionamento final (< 5 metros em cenários urbanos complexos) é comparável aos serviços comerciais de GNSS públicos, validando a viabilidade do 5G como alternativa resiliente.

5. Significado e Conclusão

Este trabalho valida a viabilidade de utilizar redes 5G terrestres como uma plataforma de posicionamento robusta, escalável e de alta precisão para substituir ou complementar o GNSS. A principal contribuição é a demonstração de que, ao combinar técnicas avançadas de processamento de fase de portadora (para precisão), aprendizado de máquina (para filtragem de erros de canal) e fusão de sensores (para continuidade), é possível superar as limitações inerentes dos ambientes urbanos e de não-visibilidade. O estudo destaca a necessidade de reavaliar o planejamento de redes celulares, priorizando a diversidade de visibilidade LOS para suportar serviços de localização críticos, como veículos autônomos e automação industrial.