HoloFed: 環境適応型位置決定のためのマルチバンド再構成可能ホログラフィックサーフェスと連合学習

位置決定は様々なアプリケーションにとって不可欠なサービスであり、5Gおよび6Gの既存の通信基盤と統合されることが期待されています。現在のWi-Fiおよびセルラーベースステーション（BS）はこの統合を支援するために使用できますが、その結果として得られる精度は無線信号の正確な制御が欠如しているため、満足できるものではありません。最近、再構成可能ホログラフィックサーフェス（RHS）を採用するBSが位置決定のために提唱されています。RHSの多数のアンテナ素子は、任意で非常に焦点を絞った信号ビームパターンを生成することを可能にします。しかし、既存の設計は二つの主要な課題に直面しています。すなわち、i) RHSは限られた動作帯域幅しか持たず、ii) 位置決定方法は実際に遭遇する多様な環境に適応できません。これらの課題を克服するため、我々はHoloFedを提案します。このシステムはマルチバンド（MB）RHSと連合学習（FL）を利用することで、高精度の環境適応型ユーザー位置決定サービスを提供します。位置決定性能を向上させるために、誤差分散の下限が取得され、MB-RHSのデジタルおよびアナログビームフォーミング設計の指針として利用されます。プライバシーを保持しつつ適応性を高めるために、ユーザーが共同で位置推定器を訓練するためのFLフレームワークが提案されます。この際、ユーザーの位置ラベルの欠如に対処するために転移学習技術を利用します。さらに、位置推定器を訓練するユーザーを選択するためのBS向けスケジューリングアルゴリズムが設計されており、FLの収束と効率の両方を考慮しています。我々のシミュレーションに基づく性能評価は、HoloFedがビームスキャンのベースラインと比較して57%低い位置決定誤差分散を達成し、多様な環境に効果的に適応できることを確認しています。