[論文レビュー] Precise Indoor Positioning Based on UWB and Deep Learning

Chenyu Wang, Zihuai Lin|arXiv (Cornell University)|Apr 17, 2022

Indoor and Outdoor Localization Technologies被引用数 4

ひとこと要約

本稿では、測定距離と真距離の関係から得られるフィンガープrintデータベースを活用して、精度を向上させるBPニューラルネットワークを統合したUWBベースの屋内位置決めシステムを提案している。この手法により、深層学習で訓練された距離フィンガープrintを用いた位置分類によって、従来の三方向測距法に比べて平均で最大73%の精度向上を達成している。

ABSTRACT

We examined UWB-based indoor location in conjunction with a fingerprint technique in this work. We built a connection between the measured and real distances for the UWB indoor positioning system. This connection is used to produce a distance database that may be used to generate fringerprints. We created a BP neural network to classify the target node to the relevant fringerpint using the distance database. Our suggested deep learning technology considerably enhances location accuracy when compared to existing trilateration systems.

研究の動機と目的

• UWBベースの屋内位置決めにおける多径およびNLOS誤差の影響による従来の三方向測距法の限界を是正すること。
• 測定距離から真距離へのキャリブレーションを用いた、頑健なフィンガープリントベースの位置決めシステムの開発。
• BPニューラルネットワークが距離フィンガープリントデータベースを用いて、ターゲット位置を分類する性能の評価。
• ニューラルネットワークの訓練に最適なリファレンスポイントの選定戦略の調査と、測定誤差の低減。
• より大きなフィンガープリントデータベースと、代替の深層学習アーキテクチャを用いた今後の向上策の検討。

提案手法

• 測定されたUWB距離と真距離の間の関係を確立し、フィンガープリント用のキャリブレート済み距離データベースを作成する。
• 屋内エリアをグリッドに分割し、リファレンスポイントを用いてRSSIおよびTOAに基づく距離測定を収集し、フィンガープリントを生成する。
• 収集した距離フィンガープリントを特定の空間的位置にマッピングするようにBPニューラルネットワークを訓練し、リアルタイムでの位置分類を可能にする。
• 三つの訓練戦略を評価する：二点対角訓練（TDT）、二点非対角訓練（TNT）、および両方を統合するコalescent訓練（CT）。
• CT法はTDTおよびTNTの両方の構成からのデータ統合により、一般化性能を向上させ、誤差分散を低減する。
• 複数のテストポイントにおける平均誤差距離を用いて、BPニューラルネットワークと従来の三方向測距法の精度を比較評価する。

実験結果

リサーチクエスチョン

• RQ1 キャリブレート済みUWB距離フィンガープリントを用いて訓練されたBPニューラルネットワークは、三方向測距法に比べて屋内位置決め精度を顕著に向上させることができるか？
• RQ2 リファレンスポイントの空間的分布が、フィンガープリントベースの深層学習モデルの性能にどのように影響するか？
• RQ3 アンカーノードに近い位置での測定誤差が、ニューラルネットワークの一般化性能および位置決め精度に与える影響は何か？
• RQ4 TDTおよびTNTの両方の訓練戦略をコalescent訓練によって統合することで、個別のアプローチよりも高い精度が得られるか？
• RQ5 フィンガープリントデータベースのサイズと品質が、深層学習ベースの位置決めシステムの性能に与える影響は何か？

主な発見

• BPニューラルネットワーク手法により、従来の三方向測距法に比べて平均で最大73%の平均誤差距離の低減が達成された。
• コalescent訓練（CT）法が最も優れた全体的性能を示し、TDTおよびTNTの両戦略を顕著に上回った。
• TDT実験のグループ2は、ターゲットがアンカーノードに近すぎるため測定精度が低く、グループ1よりも悪い性能を示した。
• TNT法はグループ2においてTDT法よりも優れた性能を示し、非対角リファレンスポイントの選定がアンカーノードに近接する場合の誤差伝搬を低減することを示した。
• 本研究では、測定誤差を避けるために、リファレンスポイントをテスト領域の端縁部ではなく中央部に配置すべきであると確認された。
• 結果から、より多くのリファレンスポイントを追加し、その配置を最適化することで、システムの精度をさらに向上させられると示唆された。