RIS辅助室内环境下的两阶段贝叶斯三维定位与跟踪框架

《IEEE Transactions on Signal Processing》：RIS-Aided Bayesian Indoor Positioning and Tracking via Probabilistic Graphical Models

　　本文提出了一种两阶段贝叶斯定位框架，用于估计由可重构智能表面（RIS）增强的室内环境中移动台（MS）的三维位置和方向。所提方法利用概率图模型对所有相关随机变量的联合概率分布进行建模，并采用无U-turn采样器（NUTS）来基于含噪信道参数估计近似后验分布。我们提出了一种异常值检测器，用于识别并减轻基于马尔可夫链蒙特卡洛（MCMC）估计中可能出现的多模态影响。为评估基本性能极限，我们推导了贝叶斯克拉美-罗下界（BCRB），并将其用于评估位置误差界（PEB）和旋转误差界（REB）。此外，我们通过引入顺序更新机制将该框架扩展到动态跟踪场景，该机制利用先前估计后验的先验知识。仿真结果验证了所提方法在现实信道估计条件下的有效性，确认了其在RIS辅助室内环境中实现精确鲁棒定位与跟踪的潜力。