Resumo Técnico: Mapeamento de Rádio em Ambientes Internos sem Anotação via Inferência de Trajetória Informada pela Física

Declaração do Problema

A construção de mapas de rádio em ambientes internos tradicionalmente depende de levantamentos de local intensivos em mão de obra, que exigem rótulos precisos de localização do usuário, tornando o processo custoso e difícil de escalar. Métodos existentes que tentam reduzir os custos de calibração frequentemente dependem de anotações parciais de localização ou utilizam Unidades de Medição Inercial (IMUs) para pistas de movimento relativo. No entanto, soluções baseadas em IMU enfrentam limitações relacionadas à disponibilidade de hardware, permissões do sistema operacional, políticas de privacidade e deriva acumulada dos sensores.

Este artigo aborda o problema de mapeamento de rádio em ambientes internos sem rótulos de localização do usuário e sem medições de IMU. O problema é formulado em um cenário de implantação prática onde:

1. As localizações dos Pontos de Acesso (APs), as orientações das antenas e o domínio espacial válido para caminhada são conhecidos (derivados de registros de instalação ou plantas baixas).
2. Nenhuma amostra de Estado do Canal (CSI) é anotada com a coordenada física do usuário.
3. O objetivo é inferir a trajetória latente associada a uma sequência temporal de CSI e utilizar essa trajetória recuperada para construir um mapa de rádio.

O desafio reside no complexo ambiente interno, onde a propagação severa de multipath, medições assíncronas e componentes sem linha de visada (NLoS) obscurecem a relação entre as variações do CSI e o deslocamento físico.

Metodologia

Os autores propõem um Framework de Inferência de Trajetória Informado pela Física baseado em um modelo bayesiano regularizado espacialmente. A abordagem central envolve três componentes principais:

1. Continuidade Espacial Informada pela Física (Característica PADP)

O framework explora a continuidade espacial local da propagação de multipath. Os autores observam que pequenos deslocamentos físicos em um ambiente quase estático induzem mudanças estruturadas na fase, no atraso e nas respostas angulares dos componentes dominantes de multipath.

• Construção do PADP: Uma distância de característica de Perfil Potência-Ângulo-Atraso (PADP) é construída a partir do CSI MIMO-OFDM. Isso envolve normalizar o CSI, projetá-lo em um dicionário angular e em uma matriz DFT normalizada, e calcular a magnitude.
• Proposição de Continuidade: Demonstra-se que, dentro de uma vizinhança local, a distância PADP entre duas observações de CSI serve como um proxy fisicamente significativo para a distância euclidiana entre as localizações correspondentes do usuário. Essa relação é modelada como um substituto linear com ruído aditivo, fornecendo um termo de regularização em pares para a inferência de trajetória.

2. Modelo de Inferência de Trajetória Bayesiana

O problema é formulado como uma otimização conjunta da trajetória latente ($X_T$) e dos parâmetros de propagação ($\Theta_p$). A função objetivo maximiza uma verossimilhança logarítmica regularizada espacialmente:

• Termos de Emissão: Incorpora a Potência do Sinal Recebido (RSS) modelada via um modelo de perda de caminho log-distância e informações direcionais derivadas de uma busca do tipo MUSIC na matriz de covariância espacial.
• Termos de Transição: Utiliza um modelo de mobilidade de Markov de primeira ordem sobre um grafo espacial discretizado derivado do domínio caminhável conhecido, restringindo o movimento com base em velocidades de caminhada plausíveis.
• Regularização: Um termo de energia em pares penaliza transições onde o deslocamento físico é inconsistente com a variação de PADP observada. Este termo é ponderado por um parâmetro $\eta$.

3. Algoritmo de Otimização Alternada

Como a trajetória e os parâmetros são acoplados, os autores empregam uma estratégia de otimização alternada:

1. Inicialização: Uma trajetória grosseira é estimada usando apenas RSS, verossimilhanças direcionais e restrições de mobilidade (definindo o peso de regularização $\eta = 0$).
2. Estimação de Parâmetros: Dada a trajetória atual, os parâmetros de propagação (coeficientes de perda de caminho, variâncias de ruído e parâmetros de continuidade PADP) são atualizados usando soluções de forma fechada ou estimação de mínimos quadrados.
3. Refinamento da Trajetória: Com parâmetros atualizados, a trajetória é refinada maximizando o objetivo regularizado sobre o grafo espacial usando uma recursão do tipo Viterbi.
4. Construção do Mapa de Rádio: Uma vez recuperada a trajetória latente, as observações de CSI são associadas às coordenadas inferidas para construir mapas de rádio de RSS, PADP, canal e domínio de feixe usando média ponderada por kernel.

Contribuições Principais

O artigo destaca quatro contribuições primárias:

1. Formulação sem Rótulos de Localização: Um novo cenário de problema para mapeamento de rádio em ambientes internos que não requer rótulos de localização do usuário ou dados de IMU, confiando apenas na geometria conhecida dos APs e nos domínios caminháveis.
2. Pista de Continuidade PADP: A construção de uma distância de CSI baseada em PADP que captura variações locais de ângulo-atraso, servindo como um proxy informado pela física para pequenos deslocamentos espaciais.
3. Inferência Bayesiana Regularizada: Um framework que integra RSS, informações de ângulo, restrições de mobilidade e continuidade PADP para recuperar conjuntamente a trajetória latente e estimar parâmetros de propagação.
4. Validação no Mundo Real: Demonstração experimental em um conjunto de dados industrial real mostrando a eficácia do método em comparação com bases de referência existentes.

Resultados Experimentais

O framework proposto foi avaliado no conjunto de dados dichasus-cf0x, coletado em um galpão industrial real (aproximadamente 14m $\times$ 14m) com 4 Arrays Planos Uniformes (UPAs) distribuídos. Posições de referência foram usadas exclusivamente para avaliação, não para treinamento ou inferência.

Métricas de Desempenho:

• Erro de Localização: O método proposto alcançou um erro médio de localização de 0,88 m. Isso superou bases de referência representativas, incluindo métodos de incorporação de canal (por exemplo, Bilateração em 0,98 m, Siamese em 1,21 m) e métodos assistidos por IMU (por exemplo, RITA em 7,58 m, GraphIPS em 2,11 m).
• Construção de Mapa de Rádio: O método alcançou um erro relativo de construção de mapa de feixe de 6,68% e um RMSE de reconstrução de canal de 6,93%.
• Estudo de Ablação: A remoção da regularização PADP (Proposto sem) aumentou o erro de localização para 1,32 m, demonstrando o valor da pista de continuidade informada pela física.

Análise Comparativa:

• Métodos assistidos por IMU mostraram desempenho degradado, provavelmente devido à acumulação de deriva e incompatibilidade de domínio no cenário industrial.
• Métodos não supervisionados baseados em agrupamento (ENAP, VRLoc) também tiveram desempenho inferior, sugerindo que estruturas de agrupamento discretas isoladamente são insuficientes para preservar a continuidade da trajetória em nível fino.
• A recuperação da trajetória pelo método proposto preservou melhor a forma global do caminho medido em comparação com outros métodos, conforme visualizado nos resultados experimentais.

Significado e Alegações

O artigo afirma que mapas de rádio em ambientes internos podem ser construídos a partir de sequências de CSI sem depender de rótulos de localização do usuário ou medições auxiliares de IMU, desde que a geometria dos APs e o domínio caminhável sejam conhecidos. O significado reside em:

• Redução de Custos de Calibração: Eliminar a necessidade de levantamentos de local intensivos em mão de obra e rotulagem precisa.
• Independência de Hardware: Remover a dependência de IMUs, evitando assim questões relacionadas à heterogeneidade de hardware, privacidade e deriva de sensores.
• Aprendizado Informado pela Física: Demonstrar que variações locais de ângulo-atraso no CSI retêm informações geométricas úteis mesmo em ambientes severos de multipath, permitindo a construção de um prior de continuidade espacial "informado pela física".

Os autores concluem que a trajetória recuperada serve como uma âncora espacial válida para a construção de mapas de rádio de alta fidelidade (domínios RSS, PADP, canal e feixe), validando a eficácia da regularização PADP proposta em cenários industriais do mundo real.