[論文レビュー] Low Complexity Indoor Localization in Wireless Sensor Networks by UWB and Inertial Data Fusion

Alberto Savioli, Emanuele Goldoni+2 more|arXiv (Cornell University)|May 7, 2013

Indoor and Outdoor Localization Technologies参考文献 14被引用数 14

ひとこと要約

本稿では、定常状態カルマンフィルタを用いて、超広帯域（UWB）時間差到達（TOA）測距と慣性計測装置（IMU）データを融合することで、低複雑性な無線センサネットワーク（WSN）向け屋内局所化アルゴリズムを提案する。シミュレーションでは局所化誤差を0.62 m RMSEに、実環境テストでは0.88 m RMSEにまで低減し、低消費電力のWSNノードに適した最小限の計算負荷で高い精度を達成した。

ABSTRACT

Precise indoor localization of moving targets is a challenging activity which cannot be easily accomplished without combining different sources of information. In this sense, the combination of different data sources with an appropriate filter might improve both positioning and tracking performance. This work proposes an algorithm for hybrid positioning in Wireless Sensor Networks based on data fusion of UWB and inertial information. A constant-gain Steady State Kalman Filter is used to bound the complexity of the system, simplifying its implementation on a typical low-power WSN node. The performance of the presented data fusion algorithm has been evaluated in a realistic scenario using both simulations and realistic datasets. The obtained results prove the validity of this approach, which efficiently fuses different positioning data sources, reducing the localization error.

研究の動機と目的

• 単一センサシステムがノイズや多径効果に苦しむ屋内WSNにおける高精度な局所化の課題に対処すること。
• 低消費電力のWSNノードへの実装を考慮して、計算複雑性を低減しつつも高い局所化精度を維持すること。
• UWB TOA測定値とインertialデータを固定ゲインカルマンフィルタで統合することで、NLOS伝搬やIMUのバイアス漂移に対する耐性を高めること。
• 実際のデータセットを用いたシミュレーションおよび実環境シナリオにおいて、統合アルゴリズムの性能を評価すること。
• 部分最適な固定ゲインカルマンフィルタが、顕著に低い計算コストでほぼ最適な精度を達成できることを示すこと。

提案手法

• 計算負荷を最小限に抑えるために、事前に計算された定常ゲインを有する定常状態カルマンフィルタを用いる。これにより、低消費電力のWSNノードへの実装が可能となる。
• フィルタはMEMSベースのIMUからのデッドレコーニングデータと、UWB TOAに基づく距離推定値を融合し、ターゲットの位置を推定する。
• フィルタゲインは、システムのダイナミクスとノイズ特性に基づいて事前計算され、オンラインでの行列逆算を回避する。
• 状態空間モデルを線形化し、状態ベクトルに位置、速度、およびインertialセンサのバイアス項を含める。
• ノイズの多いUWB距離測定値と累積されたIMUデータを統合し、カルマンフィルタが各情報源の推定不確実性に基づいて最適に重み付けを行う。
• 本手法は、測定キャンペーン中に収集されたWPR.Bデータベースからのシミュレーションおよび実環境データを用いて検証された。

実験結果

リサーチクエスチョン

• RQ1 固定ゲインカルマンフィルタは、計算複雑性を低減しつつ、屋内WSNアプリケーションに十分な局所化精度を達成できるか？
• RQ2 UWB TOAとインエラス測定値の統合は、単独で使用する場合と比較して、局所化精度をどのように向上させるか？
• RQ3 ステディステートカルマンフィルタと標準カルマンフィルタとの間には、局所化誤差と計算コストの面でどの程度の性能ギャップがあるか？
• RQ4 NLOS状態とIMUのバイアス漂移は、UWB単体とIMU単体の局所化性能にどのように影響を及ぼし、統合によってその問題を緩和できるか？
• RQ5 低複雑性フィルタは、延長された軌道やターゲットの停止時において、どの程度の精度を維持できるか？

主な発見

• シミュレーションでは、提案されたデータ統合アルゴリズムにより、平均二乗誤差（RMSE）が0.62 mにまで低減され、UWB単体（1.42 m）およびIMU単体（1.42 m）の手法を著しく上回った。
• WPR.Bデータセットを用いた実環境テストでは、統合手法のRMSEは0.88 mであったのに対し、UWB単体では3.25 m、IMU単体では1.22 mであった。
• 固定ゲインを有する定常状態カルマンフィルタは、完全なカルマンフィルタ（0.55 m RMSE）の91％の性能を達成したが、はるかに計算効率が高かった。
• アルゴリズムは、UWB測距におけるNLOS伝搬の影響を効果的に低減し、時間経過に伴うインertialセンサのバイアス漂移をも抑制した。
• 実環境テストでは最大位置誤差が2.23 mにまで低減され、環境的要因やセンサノイズに対しても、ロバストな経路追跡が可能であることが示された。
• 結果から、非重要用途の屋内WSNアプリケーションにおいて、低複雑性なデータ統合が実用的で効果的であることが確認された。