要約
本論文では、リソースに制約のあるMIMOレーダーのネットワークを利用した、人間スケールのRFセンシングの問題を考察する。レーダーはミリ波帯で動作し、体の動きに敏感な時間変化する3D点群（PC）情報を取得する。また、異なる視点から同じシーンを観測し、サイドリンク通信チャネルを使用して環境を感知しながら協力する。従来の協調セットアップでは、レーダーは生のPC情報を相互に交換し、エゴセンシングを向上させることができる。本論文では、レーダーが生のデータではなく、観測されたPCのベイズ事後測定のパラメータを交換するフェデレーションメカニズムを提案する。レーダーは分散パラメータサーバーとして機能し、ベイズツールを用いてグローバルな事後評価（すなわち、フェデレーションされた事後評価）を再構築する。この論文では、協力メカニズムに関するレーダーフェデレーションの利点を定量化し、比較する。どちらのアプローチもリアルタイムのデモプラットフォームによる実験によって検証されている。フェデレーションは、サイドリンク通信チャネルの使用を最小限に抑え（帯域幅の使 用が25倍少ない）、未解決のターゲットに対する感度が低い。一方、協調は平均絶対ターゲット推定誤差を約20%低減する。
要約(オリジナル)
The paper considers the problem of human-scale RF sensing utilizing a network of resource-constrained MIMO radars with low range-azimuth resolution. The radars operate in the mmWave band and obtain time-varying 3D point cloud (PC) information that is sensitive to body movements. They also observe the same scene from different views and cooperate while sensing the environment using a sidelink communication channel. Conventional cooperation setups allow the radars to mutually exchange raw PC information to improve ego sensing. The paper proposes a federation mechanism where the radars exchange the parameters of a Bayesian posterior measure of the observed PCs, rather than raw data. The radars act as distributed parameter servers to reconstruct a global posterior (i.e., federated posterior) using Bayesian tools. The paper quantifies and compares the benefits of radar federation with respect to cooperation mechanisms. Both approaches are validated by experiments with a real-time demonstration platform. Federation makes minimal use of the sidelink communication channel (20 {\div} 25 times lower bandwidth use) and is less sensitive to unresolved targets. On the other hand, cooperation reduces the mean absolute target estimation error of about 20%.
arxiv情報
| 著者 | S. Savazzi,V. Rampa,S. Kianoush,A. Minora,L. Costa |
| 発行日 | 2024-05-03 10:50:30+00:00 |
| arxivサイト | arxiv_id(pdf) |