[論文レビュー] A Mathematical Model for Fingerprinting-based Localization Algorithms

Arash Behboodi, Filip Lemić+1 more|arXiv (Cornell University)|Oct 24, 2016

Indoor and Outdoor Localization Technologies参考文献 22被引用数 6

ひとこと要約

本稿では、指紋ベースの局所化を仮説検定問題としてモデル化する一般的な数学的枠組みを提案し、情報理論を用いた性能解析を可能にする。局所化の正確性と遅延の鍵となる指標として、異なる位置における信号特徴の分布間のKullback-Leibler（KL）ダイバージェンスを同定し、測定サンプルが増加するにつれて誤差が指数関数的に減少することを示す理論的境界を提示する。

ABSTRACT

A general theoretical framework for Fingerprinting Localization Algorithms (FPS), given their popularity, can be utilized for their performance studies. In this work, after setting up an abstract model for FPS, it is shown that fingerprinting-based localization problem can be cast as a hypothesis testing (HT) problem and therefore various results in HT literature can be used to provide insights, guidelines and performance bounds for general FPS. This framework results in characterization of scaling limits of localization reliability in terms of number of measurements and other environmental parameters. It is suggested that Kullback-Leibler (KL) divergence between probability distributions of selected feature for fingerprinting at different locations encapsulates information about both accuracy and latency and can be used as a central performance metric for studying FPS. Although developed for an arbitrary fingerprint, the framework is particularly used for studying simple Received Signal Strength (RSS)- based algorithm. The effect of various parameters on the performance of fingerprinting algorithms is discussed, which includes path loss and fading characteristics, number of measurements at each point, number of anchors and their position, and placement of training points. Representative simulations and experimentation are used to verify validity of the theoretical frameworks in realistic setups.

研究の動機と目的

• 特定の信号特徴に依存しない、指紋ベースの局所化アルゴリズムを分析する一般的な理論的枠組みを確立すること。
• 環境的およびシステム的パラメータが局所化性能に与える影響を解析的に特定する欠如を解消すること。
• 情報理論的原則を用いて、局所化の信頼性に関する性能境界とスケーリング則を導出すること。
• 正確性と遅延の両方を捉える普遍的な性能指標としてのKLダイバージェンスを同定すること。

提案手法

• 各位置が信号特徴の確率分布に一致する仮説検定タスクとして、指紋局所化問題を定式化する。
• 独立同一分布（i.i.d.）のサンプリング下で、信号特徴の測定に基づく位置の区別における誤差確率を大偏差理論を用いて分析する。
• 典型的集合を用いた意思決定領域を定義し、i.i.d. サンプリング下で高確率での正しく局所化を保証する。
• 異なる位置における分布間のKLダイバージェンスを用いて、誤検出および見逃し確率の指数的境界を導出する。
• Chernoff-Steinの補題を適用し、仮説検定における誤差指数が、分布間のKLダイバージェンスに一致することを示す。
• 実際のRF環境、特にRSSベースの指紋局所化において、シミュレーションおよび実験によりフレームワークを検証する。

実験結果

リサーチクエスチョン

• RQ1 指紋ベースの局所化は、確立された統計的意思決定理論を用いて形式的にどのように分析できるか？
• RQ2 局所化の正確性、測定数、環境パラメータの間の根本的トレードオフは何か？
• RQ3 異なる位置における信号特徴分布間のKullback-Leiblerダイバージェンスは、局所化性能とどのように関係するか？
• RQ4 訓練データのサイズと環境条件を関数として、局所化信頼性の理論的限界は何か？
• RQ5 正確性と遅延の両方を捉える一般的な性能指標を導出できるか？

主な発見

• 指紋局所化問題は、厳密に仮説検定問題としてモデル化可能であり、性能解析に広く知られた統計的結果を適用可能である。
• 異なる位置における信号特徴分布間のKullback-Leibler（KL）ダイバージェンスが、中心的な性能指標として機能し、誤差確率および局所化信頼性に直接影響を与える。
• 誤差確率は、測定数が増加するにつれて指数関数的に減少し、その指数は二つの異なる位置における分布間のKLダイバージェンスに等しい。
• RSSベースの指紋局所化では、KLダイバージェンスがパスロス差の二乗に比例し、送信電力、雑音、パスロス指数を関数として、局所化誤差の理論的境界が得られる。
• フレームワークは、測定数を増やすことで局所化正確性が著しく向上することを予測しており、最適なアンカーポジショニングとトレーニングポイント密度は、KLダイバージェンス指標から導出可能である。
• 大偏差理論を用いて導出された理論的境界は、シミュレーションにより検証され、実際の屋内RF環境における実測性能と強く一致している。