Radio SLAM and Material Estimation in mm-Wave and Sub-THz bands
Palviainen, Katri (2025)
2025
Tietotekniikan DI-ohjelma - Master's Programme in Information Technology
Informaatioteknologian ja viestinnän tiedekunta - Faculty of Information Technology and Communication Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2025-06-06
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202506056831
https://urn.fi/URN:NBN:fi:tuni-202506056831
Tiivistelmä
As we move towards the 6G target of integrated sensing and communicating (ISAC), the requirements for new and efficient sensing methodologies are increasing. This thesis aims to provide a viewpoint into the current methods and problems of radio sensing by utilizing radio SLAM for doing material estimation, thus working toward a semantic SLAM solution.
Simultaneous Localization and Mapping (SLAM) is a scheme for autonomous robots to create a location mapping and put themselves on the map. Radio SLAM does the same, but instead of a robot, the localization is done, for example, in the mobile device of a user. This thesis explores the ability to do environment sensing through using SLAM location estimates for the user equipment (UE) and the physical objects present in an indoor environment, and how it is possible to estimate the materials of these objects.
As part of the thesis a review of the background of the topic and recent research has been done. A SLAM measurement dataset at 60 GHz has been used to do material estimations, which have been visualized using MATLAB. Tulevien mobiiliverkkojen, eli 6G:n eräänä tavoitteena on, että samanaikaisesti viestinnän ja datasiirron kanssa olisi mahdollista tehdä ympäristön aistimista. Tämän seurauksena kysyntää erilaisille sensing- eli aistimisratkaisuille on yhä enemmän. Tässä työssä tutkitaan radioliikenteen avulla tehtävän aistimisen nykytilannetta ja haasteita SLAM-estimoinnin ja materiaalien tutkimisen näkökulmasta.
SLAM eli Simultaneous Localization and Mapping on metodologia, jolla esimerkiksi autonomiset robotit voisivat koostaa ympäristöstään kartan, ja sijoittaa itsensä kartalle. Radioliikenteeseen liitettynä SLAM tarkoittaa sitä, että esimerkiksi käyttäjän mobiililaite tekisi vastaavanlaista aistimista. Tässä diplomityössä tutkitaan, miten ympäristön materiaaleja voidaan arvioida käyttämällä SLAM-estimoinnissa saatua dataa sekä käyttäjälaitteen, että ympäristön esineiden arvioiduista sijainneista.
Työssä on tutustuttu aiheen taustoihin ja viimeaikaiseen aiheeseen liittyvään tutkimukseen. Materiaaliestimoinnista on tuotettu visualisaatioita MATLAB-ohjelmistossa.
Simultaneous Localization and Mapping (SLAM) is a scheme for autonomous robots to create a location mapping and put themselves on the map. Radio SLAM does the same, but instead of a robot, the localization is done, for example, in the mobile device of a user. This thesis explores the ability to do environment sensing through using SLAM location estimates for the user equipment (UE) and the physical objects present in an indoor environment, and how it is possible to estimate the materials of these objects.
As part of the thesis a review of the background of the topic and recent research has been done. A SLAM measurement dataset at 60 GHz has been used to do material estimations, which have been visualized using MATLAB.
SLAM eli Simultaneous Localization and Mapping on metodologia, jolla esimerkiksi autonomiset robotit voisivat koostaa ympäristöstään kartan, ja sijoittaa itsensä kartalle. Radioliikenteeseen liitettynä SLAM tarkoittaa sitä, että esimerkiksi käyttäjän mobiililaite tekisi vastaavanlaista aistimista. Tässä diplomityössä tutkitaan, miten ympäristön materiaaleja voidaan arvioida käyttämällä SLAM-estimoinnissa saatua dataa sekä käyttäjälaitteen, että ympäristön esineiden arvioiduista sijainneista.
Työssä on tutustuttu aiheen taustoihin ja viimeaikaiseen aiheeseen liittyvään tutkimukseen. Materiaaliestimoinnista on tuotettu visualisaatioita MATLAB-ohjelmistossa.