Amplitude-Independent Robust Snapshot 6-D Radio SLAM via a Uniffed Angle-Delay Formulation

技术摘要：基于统一角度-时延公式的幅度无关鲁棒快照 6-D 无线 SLAM

问题陈述
本文解决了在蜂窝毫米波场景下，双基站快照无线机器人定位与地图构建（SLAM）所面临的挑战。在此场景中，用户设备（UE）具有未知的 6-D 位姿（3-D 位置、3-D 朝向）和时钟偏差，需要利用单次多径信道快照实现定位，并重建环境散射点。该问题由于混合了视距（LoS）和非视距（NLoS）传播而变得复杂。具体而言，系统必须在路径身份未知的情况下，区分有效的几何内点（LoS 路径和单跳 NLoS-1 路径）与离群值（多跳 NLoS-n 路径）。

现有的鲁棒快照方法大多是在 2-D/平面设置下进行验证的，并且通常依赖于路径幅度或路径损耗信息来对 LoS 路径进行分类。这种依赖性使得它们对校准误差和传播模型失配非常敏感。此外，混淆 LoS 和 NLoS-1 路径会使状态估计产生偏差，因为 LoS 路径不涉及相关的散射点。

方法论
作者提出了一种基于统一角度-时延公式的幅度无关鲁棒方法，该方法将 LoS 和 NLoS-1 路径视为几何一致的内点，且无需基于幅度的预分类。该方法由三个主要阶段组成：

1. 统一角度-时延公式（粗略阶段）：

   • 该方法推导了一个直接将 UE 状态（位置、时钟偏差、朝向）与角度-时延观测值联系起来的几何约束，从而消除了在初始求解器中对路径级隐变量（例如散射点坐标）的需求。
   • 对于给定的路径 $i$，该公式使用辅助向量构造来表达基站（BS）与 UE 之间的关系。约束定义为 $M_i t = d_i(v_i - u_i)$，其中 $t$ 是 BS 到 UE 的位移，$d_i$ 是传播距离（已针对时钟偏差进行修正），$u_i, v_i$ 是由离去角（AoD）和到达角（AoA）导出的全局方向向量。
   • 该公式适用于 LoS（作为一种退化情况）和 NLoS-1 路径，允许对它们进行统一处理。

2. 鲁棒初始化与离群值剔除：

   • 为了处理未知的路径身份和 NLoS-n 离群值，该粗略求解器被嵌入到一个基于共识的最小集搜索中。
   • 算法从测量值的最小子集（$N_{min}$）中生成假设。对于每个假设，进行可行性检查以剔除几何不一致的候选者（例如，检查 LoS 的共线性或 NLoS-1 的同侧一致性）。
   • 3-D 位姿初始化： 对于通用的 3-D 场景，该方法采用**扭转-摆动两阶段遍历（twist-swing two-stage traversal）**来初始化 UE 朝向（$SO(3)$）。这利用了 UE 通常是直立的先验知识，将主导的偏航（twist）与有界的平面外倾斜（swing）分离开来。位置和时钟偏差针对每个朝向候选者进行闭式更新。
   • 根据截断代价函数（类 MSAC 风格）选择最佳假设，从而获得粗略内点集和初始 UE 状态估计。

3. 精细化与模型选择：

   • 随后是一个**雅可比矩阵行均衡的迭代重加权最小二乘法（IRLS）**精细化阶段。这避免了对经过校准的路径级协方差矩阵的依赖。
   • 通过模型选择进行 LoS 检测： 由于 LoS 和 NLoS-1 路径具有不同的参数化特征（LoS 没有散射点），该方法将 LoS 检测视为一个模型选择问题。它评估 $M+1$ 个候选模型（一个全 NLoS-1 模型和 $M$ 个其中一个路径为 LoS 的混合模型），并使用**拟卡方信息准则（QAIC）**选择最佳拟合模型。该阶段共同精细化 UE 状态、检测 LoS 路径并估计散射点。

核心贡献

• 统一角度-时延公式： 一种全新的粗略阶段公式，直接以 UE 状态和角度-时延观测值编写，能够处理 LoS 和 NLoS-1 内点，且无需路径级隐变量或基于幅度的预分类。
• 幅度无关的鲁棒初始化： 一个将粗略求解器嵌入到基于共识的最小集搜索中的流水线，并辅以几何可行性检查，同时通过局部秩分析确定了在路径身份未知情况下的最小样本量含义（对于 3-D，$N_{min} \ge 4$）。
• 通用 3-D/6-D 扩展： 通过扭转-摆动遍历进行朝向初始化以及在 $SO(3)$ 上进行局部精细化的完整 6-D 位姿估计扩展，将平面情况视为其特例。
• 基于 QAIC 的鲁棒精细化： 一个结合了雅可比矩阵行均衡 IRLS 与基于 QAIC 的模型比较的精细化阶段，用于在无需校准的路径损耗信息的情况下，共同精细化状态并检测 LoS 路径。

仿真结果
该方法通过在平面和通用 3-D 场景下的蒙特卡洛模拟进行了评估，并与基于幅度的基准方法（MH-MLE、RSR）以及传统的仅限 NLoS 方法进行了对比。

• 精度： 与基准方法相比，所提方法在 UE 位置、朝向、时钟偏差和散射点估计方面达到了具有竞争性或更优的 P90 误差，特别是在低到中等噪声机制下。
• 对模型失配的鲁棒性： 在模拟的路径损耗模型不确定性（校准失配）下，所提方法保持了稳定的精度，而基于幅度的基准方法（MH-MLE、RSR）则表现出显著的性能下降。
• LoS 检测： 在存在路径损耗不确定性的混合传播场景中，该方法实现了比 MH-MLE 更高的 LoS 检测准确度，除非几何测量受到严重降级。
• 计算量： 该方法在不同传播条件（LoS、混合、NLoS）下表现出稳定的计算时间（每次试验约 0.52 秒），而基准方法的运行时间随着 LoS 信息变得难以获取而显著增加。
• 3-D 性能： 在 3-D 仿真中，两阶段设计（粗略公式 + 最小二乘精细化）被证明是有效的，与仅使用粗略估计相比，精细化阶段显著降低了朝向和散射点估计的误差。

意义与主张
本文声称，所提出的幅度无关方法为校准质量或传播模型可能不完善的快照无线 SLAM 提供了一种鲁棒的解决方案。通过将 LoS 识别推迟到基于几何初始化后的模型选择阶段，该方法避免了早期基于幅度的分类所引入的偏差。作者断言，统一的角度-时延公式足以提供可靠的初始化和内点选择，使得该系统在面对模型失配时比经过校准的幅度相关方法更具鲁棒性，同时仍能保持竞争力。这项工作还为这种特定公式在路径身份未知情况下的局部秩属性和最小样本需求提供了理论见解。