Theses: Robust Indoor Positioning in WLAN Networks
Castro Arvizu

Abstract

http://futur.upc.edu/20574879

 Las tecnologías en navegación y localización han estado obteniendo un gran interés en los últimos años donde el Sistema Global de Navegación por Satélite (GNSS) aparece como el más utilizado para estos fines. No obstante, una de las limitaciones del GNSS es la necesidad de tener una visión directa al cielo para así garantizar un posicionamiento bastante fiable. También, al utilizar solamente tecnología GNSS en espacios interiores (más conocidos en el mundo científico por entornos indoor), se es complicado conseguir un buen desempeño en términos de posicionamiento debido a la atenuación e interferencia de la señal causada por los edificios y materiales de construcción. Por esta razón, y debido al crecimiento en aplicaciones dentro de entornos indoor, la investigación de nuevas tecnologías para posicionamiento en interiores se ha centrado en intentar mitigar el mal desempeño de la tecnología GNSS en este tipo de ambientes. En el contexto de posicionamiento en interiores (indoor positioning), se han propuesto multitud de tecnologías emergentes para localización basadas en ultrasonido, infrarrojo, Banda Ultra Ancha (UWB), Zigbee,navegación inercial y otras tecnologías que no sean GNSS. Sin embargo, se requiere de equipo especial y un gran número de fuentes de señal. A pesar de ello, la tecnología en Redes de Área Local Inalámbricas (WLAN) es ampliamente utilizada en el posicionamiento en interiores. Aunque la tecnología WLAN tenga los mismos requerimentos que el resto de tecnologías, en términos de coste y practicidad, los sistemas de posicionamiento basados en redes inalámbricas se utilizan con mayor frecuencia debido al ya existente despliegue de estaciones base (AP) en áreas urbanas e interiores. Existen varias técnicas que sirven para fines de posicionamiento en interiores. Por ejemplo, utilizando el tiempo de llegada de la señal (TOA), las mediciones de la potencia de la señal recibida ( RSS), el ángulo de llegada (AoA), la técnica fingerprinting entre otras. Esta tesis está centrada en sistemas de posicionamiento basados en mediciones WLAN-RSS. Un modelo de canal de atenuación de interiores contruye un mapa de cobertura y también es capaz de reportar los cambios en el entorno indoor. El posicionamiento indoor basado en mediciones RSS se ha convertido en una solución bastante popular, pero las técnicas comunes consideran un modelo de pérdidas por trayectoria de una pendiente, invariante en el tiempo y con un conocimiento previo de los parámetros del canal que se consideran constantes. Esta tesis considera el modelo de pérdidas por trayectoria de pendiente dual y propone una solución robusta para posicionamiento en interiores basado en una arquitectura paralela conformada por un conjunto de algoritmos de Interacción de Múltiples Modelos (IMM) donde cada IMM involucra dos Filtros de Kalman Extendidos (EKF) para el proceso de estimación de la distancia entre el AP y el usuario. Dentro de cada IMM, los parametros del modelo de pérdidas por trayectoria de pendiente dual se estiman secuencialmente utilizando la estimación por máxima verosimilitud (MLE) y así proveer una solución robusta. Finalmente, el conjunto de distancias estimadas se fusionan en un EKF para tener una solución final de la posición del usuario. Además, las cotas de referencias que son derivadas en esta tesis y que sirven para evaluar el rendimiento del algoritmo IMM-EKF son la Cota Inferior de Cramér Rao (CRLB) y la Cota Inferior de Cramér Rao Posterior (PCRLB) que servirán de guía para el perfeccionamiento del diseño experimental. El tema central de esta tesis es desarrollar un algoritmo online para posicionamiento indoor que simultáneamente sea capaz de hacer la calibración del canal de propagación. El desempeño del método se evalúa mediante simulaciones por computadora que se validan con mediciones RSS reales obtenidas a partir de pruebas experimentales.





©UPC Universitat Politècnica de Catalunya
Signal Processing and Communications group
Powered by Joomla!.