Robust indoor positioning in WLAN networks

Abstract

Navigation and location technologies have been reaching in a major interest where Global Navigation Satellite System (GNSS) is mostly adopted. The limitation of this technology is that direct sky view is needed for reliable positioning. In indoor environments, however, it is difficult for GNSS technology to provide a reliable performance in positioning due to the signal attenuation and blocking caused by buildings and construction materials. For this reason, the growth in indoor applications has focused the research in new techniques for attempting mitigate the poor GNSS performance on this type of environments

In the context of indoor positioning, multitude of emerging technologies for localization based on ultrasound, infrared, Ultra Wide Band (UWB), Zigbee, inertial navigation and other non-GNSS technologies have been proposed but special equipment is required and a large number of signal sources are needed. However, Wireless Local Area Network (WLAN) technology is widely used in indoor positioning. While the same requirements are also needed as the other technologies in order to improve the positioning accuracy, in terms of cost and ability, Wireless-based indoor location is widely used due to the already deployment of Anchor Points (AP) in urban and indoor areas. There are several methods for indoor positioning purposes e.g ToA (Time of Arrival), Received Signal Strength (RSS) measurements, AoA (Angle of Arrival), fingerprinting and so on. Most of the network-based location estimations use RSS measurements because almost all mobile devices are afforded to use this type of measurements. So, this thesis is centered in WLAN RSS-based positioning systems.

The first step for indoor positioning is the distance estimation between the user and the AP. Theoretical and empirical propagation channel models are used to translate the difference between the transmitted and Received Signal Strength into an estimated range. A Propagation channel model built the radio map and also report changes in the environment. There are several models in the literature to characterize this channel. Indoor RSS-based localization has become a popular solution, but standard techniques still consider a time invariant simple single slope path loss channel model with a priori known constant channel parameters. While some contributions considered the RSS-based localization problem using a single path loss model with unknown parameters, the general solution that considersa generalized distance dependent measurement model is an important missing point.

This thesis considers the two-slope channel model and proposes a robust indoor positioning solution based on a parallel architecture using a set of Interacting Multiple Models (IMM), each one involving two Extended Kalman filters (EKF) and dealing with the estimation of the distance to a given AP. Within each IMM, the two-slope path loss model parameters are sequentially estimated with Maximum Likelihood Estimate (MLE) to provide a robust solution. Finally, the set of distance estimates are fused into a standard EKF-based solution to mobile target tracking. In addition, the benchmarks derived in this thesis to evaluate the performance of our IMM-EKF algorithm are the Cramér Rao Lower Bound (CRLB) and the Posterior Cramér Rao Lower Bound (PCRLB) providing a guidance in the improvement of the experimental design. The CRLB is used to assess the estimation of model parameters and the PCRLB for tracking solution. This, combined with a path-loss exponent estimation, the channel calibration algorithm is validated with an online range estimation.

The central theme throughout this thesis is to develop a completely online two-slope channel calibration and, simultaneously, a mobile target tracking algorithm. The performance of the method is assessed through realistic computer simulations and validated with real RSS measurements obtained from experimental tests in a typical office environment.

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.