[논문 리뷰] RTI Goes Wild: Radio Tomographic Imaging for Outdoor People Detection and Localization

Cesare Alippi, Maurizio Bocca외 3명|arXiv (Cornell University)|2014. 07. 30.

Indoor and Outdoor Localization Technologies인용 수 5

한 줄 요약

이 논문은 바람, 비, 잎사귀 등의 환경 노이즈를 완화하는 에너지 효율적이고 적응형의 라디오 톰그래픽 이미징(RTI) 시스템을 제안한다. 동적으로 신뢰할 수 있는 링크-채널 쌍을 선택하고 배경 차감을 적용함으로써, 실내 RTI 방법 대비 거짓 경보율을 95% 감소시키고 에너지 소비를 최대 87% 감소시켜 산림과 같은 외부 환경에서 10m 이내의 국소화 오차를 달성한다.

ABSTRACT

RF sensor networks are used to localize people indoor without requiring them to wear invasive electronic devices. These wireless mesh networks, formed by low-power radio transceivers, continuously measure the received signal strength (RSS) of the links. Radio Tomographic Imaging (RTI) is a technique that generates 2D images of the change in the electromagnetic field inside the area covered by the radio transceivers to spot the presence and movements of animates (e.g., people, large animals) or large metallic objects (e.g., cars). Here, we present a RTI system for localizing and tracking people outdoors. Differently than in indoor environments where the RSS does not change significantly with time unless people are found in the monitored area, the outdoor RSS signal is time-variant, e.g., due to rainfalls or wind-driven foliage. We present a novel outdoor RTI method that, despite the nonstationary noise introduced in the RSS data by the environment, achieves high localization accuracy and dramatically reduces the energy consumption of the sensing units. Experimental results demonstrate that the system accurately detects and tracks a person in real-time in a large forested area under varying environmental conditions, significantly reducing false positives, localization error and energy consumption compared to state-of-the-art RTI methods.

연구 동기 및 목표

• 외부 RF 센서 네트워크에서 비정상적인 환경 노이즈가 RTI 성능을 떨어뜨리는 문제를 해결하기 위해.
• 숲과 같은 조밀하고 장애물이 많은 외부 환경에서 사람의 장치 없는 실시간 국소화를 가능하게 하기 위해.
• 적응형 도킹 주기와 지능적인 링크 선택을 통해 배터리 구동 RTI 시스템의 에너지 소비를 줄이기 위해.
• 초기 校정에 의존하지 않고도 시간에 따라 변하는 RSS 변동에 강건한 방법을 개발하기 위해.
• 기존 RTI 방법이 실패하는 혹독한 외부 조건에서도 국소화 정확도를 향상시키고 거짓 경보를 줄이기 위해.

제안 방법

• 환경 노이즈와 링크 페이드 수준(RSS 이론적 값에서의 차이) 간의 관계를 특성화하여 안정적인 링크-채널 쌍을 식별한다.
• 사람 존재와 관련된 일관된 신호 변동을 보이는 링크-채널 쌍만 선택하여 노이즈가 많거나 불안정한 링크를 걸러낸다.
• 바람, 비, 잎사귀로 인한 RSS의 비정상적 변화를 제거하기 위해 배경 차감 알고리즘을 적용하여 운동 탐지의 강건성을 향상시킨다.
• 각 링크-채널 쌍에 대해 동적인 기준 RSS 수준을 추정하기 위해 적응형 시간 창(Tw)과 배경 학습 기간(Tb)을 사용한다.
• 각 링크의 영향 영역을 정의하기 위해 매개변수 λ를 가진 타원형 감도 모델을 사용하여 국소화 정밀도를 향상시킨다.
• 환경 조건에 따라 동적으로 샘플링 주파수를 조절하여 에너지 효율성을 최적화한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 바람에 의한 잎사귀 움직임과 강우와 같은 시간에 따라 변하는 환경 노이즈에 강건한 RTI 시스템을 만들 수 있는가?
• RQ2 초기 안정적 캘리브레이션 없이도 외부 RTI에서 신뢰할 수 있는 링크-채널 쌍을 선택할 수 있는 기준은 무엇인가?
• RQ3 배경 차감은 비정상적인 외부 RSS 환경에서 국소화 정확도를 어떻게 향상시키는가?
• RQ4 탐지 또는 국소화 성능을 희생시키지 않고 외부 RTI 시스템의 에너지 소비를 얼마나 줄일 수 있는가?
• RQ5 시간 창 길이(Tw), 배경 학습 기간(Tb), 감도 타원형 너비(λ)와 같은 핵심 매개변수의 변화에 대해 제안된 방법의 민감도는 어느 정도인가?

주요 결과

• 제안된 외부 RTI 방법(OUT+)은 기존 최첨단 실내 RTI 방법(0.92–1.19%) 대비 거짓 경보율을 95% 향상시켜 0.04%로 낮춘다.
• 기존에 적응된 실내 RTI 방법 대비 국소화 오차가 46% 감소하였으며, 산림 조건에서 평균 오차(em)는 10m 이내다.
• 기존 RTI 방법 대비 에너지 소비가 62%에서 87% 감소하여 원거리 배치에서 배터리 수명을 크게 연장시킨다.
• 매개변수 변화에 강건하다: λ, Tw, Tb의 테스트 값 범위에서 국소화 오차의 평균과 표준편차가 모두 12% 이내로 변동한다.
• 배경 차감은 라디오 톰그래픽 이미지에서 비정상적인 블롭 형성(형광)을 줄여 환경적 RSS 변동으로 인한 높은 국소화 오차(>10m)를 방지한다.
• 다양한 기상 조건에서도 대규모 산림 외부 지역에서 사람의 실시간 탐지 및 추적을 구현하여 실용적 타당성을 입증한다.