Localization-based planning in urban outdoor mmWave RIS-assisted networks

Wireless networks are evolving beyond pure communication systems to include positioning and sensing as native services, driven by next-generation use cases. In this context, mmWave bands provide the large bandwidth required for centimeter-level localization. However, their use is constrained by high path loss, susceptibility to blockage and limited diffraction. To address these limitations, Reconfigurable Intelligent Surfaces (RIS) have emerged as a promising solution, capable of creating controllable propagation paths at expected low cost and energy consumption. This thesis addresses the problem of planning RIS deployment for positioning in urban mmWave networks. While RIS have been widely studied for localization at the link level, their impact in localization-oriented network planning remains unexplored. To fill this gap, a Mixed-Integer Linear Programming (MILP) model is developed to determine optimal RIS placement and associations with users, using a Fisher Information Matrix (FIM) based objective function to maximize the overall positioning accuracy in the deployment area. The proposed approach is evaluated in a realistic urban scenario using Position Error Bound-based Key Performance Indicators (KPIs), and the results are compared against random Monte Carlo deployments. The findings show that the optimized RIS planning significantly improves overall positioning accuracy and reduces the variability of results across the service area. Performance gains are especially notable at moderate budget levels, beyond which diminishing returns appear, indicating that careful planning avoids unnecessary investments. These results underline the value of RIS-based Network Planning for localization and open the way for Beyond 5G and 6G, where RIS are expected to play a key role in the Joint Communication and Sensing paradigm, which integrates high-accuracy positioning and reliable communication within the same infrastructure.

Le reti wireless, nate come sistemi di pura comunicazione, si stanno evolvendo per integrare il sensing e la localizzazione come servizi nativi, guidate da nuove necessità e casi d’uso emergenti. Lo spettro di frequenze mmWave offre l’ampia larghezza di banda necessaria per garantire un errore di localizzazione dell’ordine del centimetro, ma il suo utilizzo è limitato da un’elevata attenuazione di spazio libero e una maggiore suscettibilità agli ostacoli. In questo contesto, le Reconfigurable Intelligent Surfaces (RIS) o Superfici Intelligenti Riconfigurabili, rappresentano una soluzione promettente a queste limitazioni, permettendo di creare dei percorsi di propagazione aggiuntivi con costi e consumi energetici ridotti rispetto all’installazione di ulteriori stazioni radio base o ripetitori. Questa tesi affronta un problema di pianificazione basata sull’installazione di RIS in una rete urbana in mmWave, con l’obiettivo di migliorare le prestazioni di localizzazione. Sebbene le RIS siano da tempo oggetto di studio nel campo della localizzazione, manca ancora un’analisi di come la pianificazione impatti le prestazioni in quest’ambito. Per colmare questa lacuna, questa tesi presenta un modello di ottimizzazione basato su MixedInteger Linear Programming (MILP), che ottimizza il posizionamento delle RIS e la loro associazione con gli utenti, proponendo una funzione obiettivo basata sull’Informazione di Fisher, formulata per ottenere una maggior accuratezza nell’area oggetto di studio. Questo approccio, testato in uno scenario urbano realistico e confrontato con una simulazione casuale Monte Carlo di possibili installazioni di RIS, dimostra che le configurazioni di rete ottimizzate migliorano notevolmente l’accuratezza di localizzazione complessiva e riducono la variabilità delle prestazioni nell’area di copertura. Il modello, testato per valori incrementali di budget, evidenzia come i benefici siano particolarmente evidenti con budget moderati, mentre investimenti maggiori mostrano rendimenti minori, confermando quanto sia importante una valutazione preventiva di questo tipo. Questi risultati evidenziano il potenziale della pianificazione di rete basata su RIS per la localizzazione e aprono prospettive interessanti per il Beyond 5G e 6G, dove ci si aspetta che le RIS assumano un ruolo centrale nel paradigma Joint Communication and Sensing, che vede l’integrazione di comunicazione e rilevamento dell’ambiente circostante nella stessa infrastruttura di rete.