[論文レビュー] NLOS Error Mitigation Using Weighted Least Squares and Kalman Filter in UWB Positioning

Ruixin Fan, Xin Du|arXiv (Cornell University)|May 12, 2022

Indoor and Outdoor Localization Technologies被引用数 5

ひとこと要約

本稿では、超広帯域（UWB）位置決めにおける非視線（NLOS）誤差低減のため、重み付き最小二乗法に基づくロバストカルマンフィルタ（WLS-RKF）を提案する。NLOS測定を特定するためのマハラノビス距離に基づく仮説検定を用い、誤った距離を低重み化する重み付き最小二乗法（WLS）を適用することで、NLOS特性に関する事前知識がなくてもカルマンフィルタの推定を改善し、シミュレーションおよび実世界の実験で5cm未満の位置決め精度を達成した。

ABSTRACT

In wireless positioning systems, non-line-of-sight (NLOS) is a challenging problem. NLOS causes great ranging bias and location error, so NLOS mitigation is essential for high accuracy positioning. In this letter, we propose the Weighted-Least-Squares Robust Kalman Filter (WLS-RKF) for NLOS identification and mitigation. WLS-RKF employs a hypothesis test based on Mahalanobis distance for NLOS identification, and updates the corresponding Kalman filter using the WLS solution. It requires no prior knowledge about NLOS distribution or signal features. We perform simulations and experiments for ultra-wideband (UWB) positioning in various scenarios. The results confirm that WLS-RKF effectively mitigates NLOS error and achieves 5cm positioning accuracy.

研究の動機と目的

• UWBインDoor位置決めにおける継続的な非視線（NLOS）伝搬の課題に対処すること。NLOS伝搬は顕著な距離バイアスと位置誤差を引き起こす。
• NLOS分布や信号固有の特徴（SNR や遅延スプレッドなど）に関する事前知識に依存しない、ロバストなNLOS低減手法を開発すること。
• 距離残差を用いてNLOS状態に適応するロバストカルマンフィルタとWLSに基づく誤差重み付けを統合することで、位置決め精度を向上させること。
• 多様な障害物配置を想定したシミュレーションおよび実世界のUWBシナリオにおいて、本手法の有効性を検証すること。

提案手法

• 本手法は、カルマンフィルタフレームワーク内の距離残差に基づいてマハラノビス距離に基づく仮説検定を用いてNLOS測定を同定する。
• NLOSと同定された測定値は、誤差の影響を低減するため、重み付き最小二乗法（WLS）において低い重みが割り当てられる。
• カルマンフィルタは、生の測定値ではなくWLSの結果を用いて更新され、バイアスのかかっている距離推定値に対してロバスト性が向上する。
• 本手法は、チャネル固有の信号特徴やNLOS誤差の統計的仮定に依存せず、測定された距離のみに依存して動作する。
• カルマンフィルタの状態ベクトルは、距離とその変化率をモデル化し、UWB距離測定のダイナミクスに合わせてプロセスノイズおよび測定ノイズモデルを調整する。
• タグの移動に伴い、NLOS検出および重み付けを動的に調整することで、変化する伝搬状態にリアルタイムで適応可能である。

実験結果

リサーチクエスチョン

• RQ1 マハラノビス距離に基づく仮説検定は、信号やNLOS分布に関する事前知識がなくても、UWB位置決めにおけるNLOS測定を効果的に同定できるか？
• RQ2 WLSをロバストカルマンフィルタと統合することで、標準的なLSやRKFと比較して、NLOS環境下での位置決め精度がどの程度向上するか？
• RQ3 本手法であるWLS-RKFは、動的障害物を伴う実世界のUWBシナリオにおいて、位置誤差をどの程度低減できるか？
• RQ4 タグが視線（LOS）とNLOS状態を遷移する際でも、本手法は高い精度を維持できるか？
• RQ5 WLS-RKFは、シミュレーションおよび実世界の実験の両方で5cm未満の位置決め精度を達成できるか？

主な発見

• 提案手法のWLS-RKFは、シミュレーションおよび実世界の実験の両方で、重みなし最小二乗法（LS）と比較して位置誤差を90%以上低減した。
• 実世界の実験では、全テストケースにおいてWLS-RKFの平均二乗誤差（RMS）が2.5〜4.1 cmにまで低下し、90%の誤差が6.3 cm未満であった。
• LSと比較して最大95%の位置誤差低減を達成した。特に、バイアスの高いNLOS条件下で最も顕著な改善が見られた。
• WLS-RKFは、人物や像などの障害物のそばを通った場合でも、NLOS誤差を効果的に低減し、正確な軌道推定を維持した。
• NLOSからLOSに遷移した直後、WLSを用いたカルマンフィルタは数秒で真の位置に収束した。これは、誤差補正が効果的に行われたことを示している。
• 長時間にわたるNLOS条件下でも誤差が蓄積する傾向を示すロバストカルマンフィルタ（RKF）と比較して、WLS-RKFは一貫した精度を維持した。