[논문 리뷰] CRISLoc: Reconstructable CSI Fingerprintingfor Indoor Smartphone Localization

Zhihui Gao, Yunfan Gao외 3명|arXiv (Cornell University)|2019. 10. 15.

Indoor and Outdoor Localization Technologies참고 문헌 47인용 수 4

한 줄 요약

CRISLoc는 수신자 기반의 수동적 스마트폰 기반 실내 위치 지정 시스템으로, 이동학습과 공동 군집화/이상치 탐지 기법을 사용해 액세스 포인트(AP) 변경 상황에서도 정확도를 유지한다. 6m×8m 실험실 환경에서 평균 위치 오차가 0.29m이며, 하나 또는 두 개의 AP가 이동할 경우 각각 5.4cm와 8.6cm의 증가만을 보이며, 기존 스마트폰에서의 실용성과 강건성을 입증한다.

ABSTRACT

Channel state information (CSI) based fingerprinting for WIFI indoor localization has attracted lots of attention very recently.The frequency diverse and temporally stable CSI better represents the location dependent channel characteristics than the coarsereceived signal strength (RSS). However, the acquisition of CSI requires the cooperation of access points (APs) and involves only dataframes, which imposes restrictions on real-world deployment. In this paper, we present CRISLoc, the first CSI fingerprinting basedlocalization prototype system using ubiquitous smartphones. CRISLoc operates in a completely passive mode, overhearing thepackets on-the-fly for his own CSI acquisition. The smartphone CSI is sanitized via calibrating the distortion enforced by WiFi amplifiercircuits. CRISLoc tackles the challenge of altered APs with a joint clustering and outlier detection method to find them. A novel transferlearning approach is proposed to reconstruct the high-dimensional CSI fingerprint database on the basis of the outdated fingerprintsand a few fresh measurements, and an enhanced KNN approach is proposed to pinpoint the location of a smartphone. Our studyreveals important properties about the stability and sensitivity of smartphone CSI that has not been reported previously. Experimentalresults show that CRISLoc can achieve a mean error of around 0.29m in a6m times 8mresearch laboratory. The mean error increases by 5.4 cm and 8.6 cm upon the movement of one and two APs, which validates the robustness of CRISLoc against environment changes.

연구 동기 및 목표

• 스마트폰에서 AP 협업이나 연결 없이도 CSI 기반 프린팅 기반 위치 지정을 가능하게 하기 위해.
• 동적 AP 배치 문제를 해결하기 위해 변경된 AP를 탐지하고 오래된 CSI 프린팅을 재구성하기 위해.
• 스마트폰에서 캘리브레이션된 고차원 CSI를 활용해 실생활 실내 환경에서 정밀도와 강건성을 향상시키기 위해.
• 기존 CSI 툴킷이 활성 연결이나 전용 하드웨어를 요구하는 한계를 극복하고 실용적이고 구현 가능한 시스템을 개발하기 위해.

제안 방법

• 스마트폰에서 AP에 대한 연결 없이도 수동 모드에서 데이터 프레임, ACK, 비콘으로부터 원시 CSI를 추출하기 위해 Nexmon 툴킷을 사용한다.
• AGC 캘리브레이션과 서브캐리어 필터링을 적용해 CSI 진폭을 안정화시켜 약 50개 서브캐리어의 활용을 가능하게 하며, 이는 Intel 5300 CSI 툴의 거의 두 배에 해당한다.
• 추정된 위치의 공간 군집 패턴을 분석함으로써 변경된 AP를 식별하기 위해 공동 군집화 및 이상치 탐지 방법을 적용한다.
• 오래된 CSI와 신선한 CSI를 동일한 부분공간에 투영함으로써 오래된 프린팅을 재구성하는 새로운 이동학습 프레임워크를 제안한다.
• 분산과 공간 상관관계를 기반으로 가변 가중치를 포함하는 개선된 KNN(EEKNN) 매칭 규칙을 도입해 정밀도를 향상시킨다.
• 순차적 분석과 Jenks 최적화를 사용해 AP 변경 탐지 및 프린팅 일관성 검증을 위한 신뢰도 임계값을 설정한다.

실험 결과

연구 질문

• RQ1 AP 협업 없이도 스마트폰에서 완전히 수동적인 모드로 CSI 프린팅을 효과적으로 구현할 수 있는가?
• RQ2 실내 환경에서 AP의 위치나 식별자가 변경될 경우, 자동으로 변경된 AP를 탐지할 수 있는가?
• RQ3 이동학습을 통해 오래된 CSI 프린팅을 얼마나 효과적으로 재구성할 수 있으며, AP 변경 후에도 정밀도를 유지할 수 있는가?
• RQ4 AP 이동이 위치 오차에 미치는 영향은 무엇이며, 환경 변화 상황에서도 시스템이 강건하게 유지될 수 있는가?

주요 결과

• CRISLoc는 스마트폰 기반의 CSI 수집만으로 6m×8m 실험실 환경에서 평균 위치 오차 0.29m를 달성한다.
• 하나의 AP가 이동할 경우 평균 오차가 5.4cm 증가하고, 두 개의 AP가 이동할 경우 8.6cm 증가할 뿐이므로 강건성을 입증한다.
• 일부 또는 두 개의 AP가 변경되었을 경우, 공동 군집화 및 이상치 탐지 방법이 각각 F1 점수 0.893과 0.827을 기록해 변경된 AP를 탐지하는 데 성공한다.
• 이동학습은 오래된 CSI 프린팅을 효과적으로 재구성해 전체 시스템의 정밀도를 유지하며 전체 재조사가 필요 없도록 한다.
• EEKN 매칭 규칙은 분산 기반 가중치를 통합함으로써 기존 WKNN 대비 정밀도 오차를 21.3% 감소시킨다.
• 시스템은 AP에 대한 연결 없이도 2.4GHz 대역에서 20MHz 대역폭을 사용해 Nexus 5 스마트폰에서 사용 가능한 CSI를 성공적으로 추출한다.