[논문 리뷰] Low Complexity Indoor Localization in Wireless Sensor Networks by UWB and Inertial Data Fusion

Alberto Savioli, Emanuele Goldoni외 2명|arXiv (Cornell University)|2013. 05. 07.

Indoor and Outdoor Localization Technologies참고 문헌 14인용 수 14

한 줄 요약

이 논문은 일정 이득 스테디 스테이트 칼만 필터를 사용하여 초광대역(UWB) 도착 시간(ToA) 거리 측정값과 자이로스코프 기반 인ert리얼 측정 장치(IMU) 데이터를 융합함으로써 저복잡도의 실내 위치 결정 알고리즘을 제안한다. 시뮬레이션에서는 위치 오차를 0.62 m RMSE로 줄였고, 실제 환경 테스트에서는 0.88 m RMSE를 기록하여, 저전력 WSN 노드에 적합한 최소한의 계산 부하로 높은 정확도를 달성한다.

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.

연구 동기 및 목표

• 단일 센서 시스템이 노이즈와 다중 경로 효과로 인해 정밀한 실내 위치 결정에 어려움을 겪는 문제를 해결하기 위해.
• 저전력 WSN 노드에 구현 가능한 최소한의 계산 복잡도를 유지하면서도 높은 위치 결정 정확도를 확보하기 위해.
• UWB ToA 측정값과 고정 이득 칼만 필터를 사용한 인ert리얼 데이터 융합을 통해 NLOS 전파 및 IMU 드리프트에 대한 강건성을 향상시키기 위해.
• 실제 데이터셋을 사용하여 시뮬레이션 및 실제 환경에서의 융합 알고리즘 성능을 평가하기 위해.
• 하나의 최적화되지 않은 고정 이득 칼만 필터가 훨씬 낮은 계산 비용으로 최적에 가까운 정확도를 달성할 수 있음을 입증하기 위해.

제안 방법

• 계산 부하를 최소화하기 위해 사전에 계산된 고정 이득을 가진 스테디 스테이트 칼만 필터를 사용하여 저전력 WSN 노드에 구현 가능하도록 한다.
• 필터는 MEMS 기반 IMU에서 유도된 사전 추정 거리 데이터와 UWB ToA 기반 거리 추정치를 융합하여 대상의 위치를 추정한다.
• 필터 이득은 시스템 동역학과 노이즈 특성에 기반하여 오프라인으로 계산되어 온라인 행렬 역행렬 계산을 피한다.
• 상태 벡터에 위치, 속도, 인ert리얼 센서의 오프셋 항목을 포함하는 선형화된 상태공간 모델을 사용한다.
• 노이즈가 있는 UWB 거리 측정값과 누적된 IMU 데이터를 융합하며, 칼만 필터는 추정된 불확실성에 기반해 각 입력 소스에 최적의 가중치를 적용한다.
• 알고리즘은 시뮬레이션 환경과 측정 캠프에서 확보한 WPR.B 데이터베이스의 실제 데이터를 모두 사용하여 검증되었다.

실험 결과

연구 질문

• RQ1 고정 이득 칼만 필터는 계산 복잡도를 줄이면서도 실내 WSN 응용 분야에서 충분한 위치 결정 정확도를 달성할 수 있는가?
• RQ2 UWB ToA와 인ert리얼 측정값의 융합은 단독으로 사용할 경우에 비해 위치 결정 정확도를 얼마나 향상시키는가?
• RQ3 스테디 스테이트 칼만 필터와 표준 칼만 필터 간의 위치 오차 및 계산 비용 측면에서의 성능 격차는 어떠한가?
• RQ4 NLOS 조건과 IMU 드리프트는 UWB 단독 및 IMU 단독 위치 결정에 어떤 영향을 미치며, 융합 기법은 이러한 문제를 어떻게 완화할 수 있는가?
• RQ5 저복잡도 필터는 장거리 궤적 또는 대상 정지 상태 동안 얼마나 오랫동안 정확도를 유지할 수 있는가?

주요 결과

• 시뮬레이션 결과, 제안된 데이터 융합 알고리즘이 루트 평균 제곱 오차(RMSE)를 0.62 m로 줄였으며, UWB 단독(1.42 m) 및 IMU 단독(1.42 m) 방법보다 뚜렷이 뛰어난 성능을 보였다.
• WPR.B 데이터셋을 사용한 실제 환경 테스트에서는 융합 방법이 RMSE 0.88 m를 기록했고, UWB 단독은 3.25 m, IMU 단독은 1.22 m였다.
• 고정 이득을 가진 스테디 스테이트 칼만 필터는 전체 칼만 필터 성능의 91%를 달성했으며(0.55 m RMSE), 계산 효율성 측면에서 훨씬 뛰어났다.
• 알고리즘은 UWB 거리 측정의 NLOS 전파 영향을 효과적으로 완화했고, 시간이 지남에 따라 인ert리얼 센서의 드리프트를 감소시켰다.
• 실제 테스트에서 최대 위치 오차는 2.23 m로 줄어들었으며, 환경적 요인과 센서 노이즈에도 불구하고 안정적인 경로 추적 능력을 입증했다.
• 결과적으로 저복잡도 데이터 융합 기법이 비핵심 실내 WSN 응용 분야에서 실현 가능하고 효과적임을 확인했다.