[논문 리뷰] Robust Estimators for Variance-Based Device-Free Localization and Tracking

Yang Zhao, Neal Patwari|arXiv (Cornell University)|2011. 09. 26.

Indoor and Outdoor Localization Technologies참고 문헌 20인용 수 6

한 줄 요약

이 논문은 내재된 운동(예: 바람에 휘날리는 나뭇잎, 진동하는 기계)으로 인해 발생하는 장치 자유형 국소화(DFL) 시스템의 국소화 오차를 줄이기 위해 두 가지 강건한 추정기인 SubVRT(하위공간 분산 기반 라디오 톰로그래피)와 LSVRT(최소 제곱 분산 기반 라디오 톰로그래피)를 제안한다. 하위공간 분해와 수신 신호 강도(RSS) 분산의 공분산 기반 최소 제곱 추정을 활용하여, 두 방법 모두 기존의 VRTI에 비해 국소화의 평균 제곱근 오차(RMSE)를 40% 이상 감소시키고 칼만 필터 추적 정확도를 60–70% 향상시킨다.

ABSTRACT

Human motion in the vicinity of a wireless link causes variations in the link received signal strength (RSS). Device-free localization (DFL) systems, such as variance-based radio tomographic imaging (VRTI), use these RSS variations in a static wireless network to detect, locate and track people in the area of the network, even through walls. However, intrinsic motion, such as branches moving in the wind and rotating or vibrating machinery, also causes RSS variations which degrade the performance of a DFL system. In this paper, we propose and evaluate two estimators to reduce the impact of the variations caused by intrinsic motion. One estimator uses subspace decomposition, and the other estimator uses a least squares formulation. Experimental results show that both estimators reduce localization root mean squared error by about 40% compared to VRTI. In addition, the Kalman filter tracking results from both estimators have 97% of errors less than 1.3 m, more than 60% improvement compared to tracking results from VRTI.

연구 동기 및 목표

• 바람에 휘날리는 나뭇잎이나 진동하는 기계와 같은 내재된 운동으로 인한 장치 자유형 국소화(DFL) 성능 저하를 해결한다.
• VRTI와 같은 분산 기반 DFL 시스템에서 '노이즈'로 작용하는 내재된 운동에 의해 유도된 RSS 분산의 영향을 식별하고 완화한다.
• 실제 환경에서의 외부 요동(예: 기상 변화)에 대응하여 DFL 국소화 및 추적의 강건성과 정확도를 향상시킨다.
• 외부 운동원소가 아닌 비외부 운동원소에 강건한 추정기를 개발하여 인간 운동에 대한 민감도를 유지한다.
• 기상 변화 등 환경 역학이 RSS 측정에 영향을 미치는 실용적 구현 환경에서도 신뢰할 수 있는 DFL 성능을 보장한다.

제안 방법

• 신호 하위공간 구조를 활용하여 RSS 분산 측정치에 하위공간 분해를 적용하여 내재된 운동 성분과 외재적 인간 운동을 분리한다.
• RSS 측정치 공분산 행렬의 역행렬을 사용하여 노이즈가 많거나 불안정한 링크를 가중치를 낮추는 최소 제곱 추정기 수식을 구성한다.
• SubVRT 및 LSVRT 추정기를 분산 기반 라디오 톰로그래픽 이미징(VRTI) 프레임워크에 통합하여 위치 추정 성능을 향상시킨다.
• 개선된 국소화 추정치를 기반으로 칼만 필터링을 수행하여 추적 성능을 향상시키고 궤적 출력을 매끄럽게 한다.
• 내재된 운동 신호의 공간 상관성을 활용하여 그 영향을 모델링하고 억제하며, 운동원소에 대한 사전 지식이 필요로 하지 않는다.
• 동적 모델과 측정 입력 간 균형을 맞추기 위해 칼만 필터의 파rameter(과정 노이즈 및 측정 노이즈)를 최적화한다.

실험 결과

연구 질문

• RQ1 내재된 운동에 의해 유도된 RSS 분산을 장치 자유형 국소화 시스템에서 인간 운동에 의해 유도된 분산과 효과적으로 분리할 수 있는가?
• RQ2 환경적 요동 하에서 하위공간 분해가 RSS 기반 DFL 시스템의 국소화 오차를 얼마나 줄일 수 있는가?
• RQ3 RSS 공분산 기반 최소 제곱 설정이 DFL에서 비인간 운동 아티팩트에 대해 강건성을 향상시킬 수 있는가?
• RQ4 실제 환경 조건에서 SubVRT 및 LSVRT 추정기와 기존의 VRTI 간 국소화 및 추적 정확도는 어떻게 비교되는가?
• RQ5 다양한 국소화 추정기 사용 시 내재된 운동이 칼만 필터 추적 성능에 미치는 영향은 어떠한가?

주요 결과

• 실험에서 뚜렷한 내재된 운동이 존재할 경우, SubVRT와 LSVRT는 기존의 VRTI 대비 각각 40.5%와 45.5%의 국소화 루트 평균 제곱 오차(RMSE) 감소를 달성한다.
• 추적 성능 측정 결과, SubVRT의 97% 오차는 1.4m 이하이며 VRTI 대비 65% 향상되었고, LSVRT는 97% 오차가 1.2m 이하로 떨어져 VRTI 대비 70% 향상되었다.
• 실험 2(높은 내재된 운동 존재 조건)에서 VRTI의 추적 RMSE는 83.3% 증가한 반면, SubVRT와 LSVRT는 각각 26.3%와 15.8% 증가에 그쳤다.
• SubVRT 및 LSVRT를 사용한 칼만 필터 추적은 높은 내재된 운동 조건에서도 1미터 이내 정확도를 유지하여 강건성을 입증했다.
• 측정 노이즈 파rameter(σ²_v)가 0.001에서 20의 넓은 범위에서 변화하더라도 칼만 필터는 상대적으로 민감하지 않아, 합리적인 파rameter 조정으로 안정된 성능을 보였다.
• 환경적 요동이 존재하는 상황에서 두 추정기는 VRTI에 비해 뚜렷이 뛰어난 성능을 보이며, RSS 분산 측정치에서 비인간 운동 아티팩트를 효과적으로 완화함을 입증했다.