[論文レビュー] Fine-grained Indoor Localization with Adaptively Sampled RF Fingerprints.

Xiaoyang Liu, Shuchin Aeron+3 more|arXiv (Cornell University)|Aug 10, 2015

Indoor and Outdoor Localization Technologies被引用数 3

ひとこと要約

本稿では、RFフィンガープrintを用いた細粒度な屋内局所化のための適応的でテンソルベースのサンプリング手法を提案する。フィンガープrint空間を3次元テンソルとしてモデル化し、チューブルサンプリングを用いて低ランク構造を活用することで、サイトサーベイの作業負荷を低減する。シミュレーションおよび実環境条件下でも同等の局所化精度を維持しながら、既存手法と比較して55–71%の少ないサンプル数で実現している。

ABSTRACT

Indoor localization is a supporting technology for a broadening range of pervasive wireless applications. One promis- ing approach is to locate users with radio frequency fingerprints. However, its wide adoption in real-world systems is challenged by the time- and manpower-consuming site survey process, which builds a fingerprint database a priori for localization. To address this problem, we visualize the 3-D RF fingerprint data as a function of locations (x-y) and indices of access points (fingerprint), as a tensor and use tensor algebraic methods for an adaptive tubal-sampling of this fingerprint space. In particular using a recently proposed tensor algebraic framework in [1] we capture the complexity of the fingerprint space as a low-dimensional tensor-column space. In this formulation the proposed scheme exploits adaptivity to identify reference points which are highly informative for learning this low-dimensional space. Further, under certain incoherency conditions we prove that the proposed scheme achieves bounded recovery error and near-optimal sampling complexity. In contrast to several existing work that rely on random sampling, this paper shows that adaptivity in sampling can lead to significant improvements in localization accuracy. The approach is validated on both data generated by the ray-tracing indoor model which accounts for the floor plan and the impact of walls and the real world data. Simulation results show that, while maintaining the same localization accuracy of existing approaches, the amount of samples can be cut down by 71% for the high SNR case and 55% for the low SNR case.

研究の動機と目的

• RFフィンガープリントに基づく屋内局所化における、従来のサイトサーベイの時間的・人的コストの高さを解決すること。
• 性能に影響を与えることなく、正確な局所化に必要なリファレンスポイントの数を削減すること。
• フィンガープリント空間において最も情報をもたらすリファレンスポイントを特定する、データ駆動型で適応的なサンプリング戦略の開発。
• 理論的分析により、非一様性条件の下で回復誤差が有界であり、近似的に最適なサンプリング複雑度が保証されることを示した。
• レイトレーシングで生成されたデータおよび実環境での測定結果を用いて、本手法の実用的妥当性を検証した。

提案手法

• 空間座標 (x, y) およびアクセスポイントのインデックスでインデックス付けされた3次元RFフィンガープリントデータをテンソルとしてモデル化する。
• 特に[1]で提示されたチューブルサンプリングフレームワークを用いて、テンソル代数的手法を適用し、フィンガープリント空間を低次元のテンソル・カラム空間として表現する。
• 低次元部分空間を学習する上で、最も情報をもたらすリファレンスポイントを選択するための適応性を活用する。
• 回復誤差およびサンプリング効率に関する理論的保証を得るために、フィンガープリント空間における非一様性条件を活用する。
• 情報量の増加を最優先とするランダム性を排除した構造的最適化問題として、サンプリングプロセスを定式化する。
• テンソル代数を統合して、フィンガープリントデータ内の空間的およびアクセスポイントの相関関係を効率的に捉える。

実験結果

リサーチクエスチョン

• RQ1 適応的サンプリングは、RFフィンガープリントに基づく屋内局所化において、正確性を維持したまま必要なリファレンスポイントの数を削減できるか？
• RQ2 適応的サンプリングは、ランダムサンプリングと比較して、局所化誤差およびサンプリング複雑度の面で優れているか？
• RQ3 提案されたテンソルベースのフレームワークにおいて、回復誤差およびサンプリング効率に関する理論的保証はどのようなものか？
• RQ4 本手法は、さまざまな信号対雑音比（SNR）条件および実環境において、どの程度一般化可能か？
• RQ5 フィンガープリント空間の低ランクテンソル構造は、サイトサーベイの作業負荷を最小限に抑えるために効果的に活用できるか？

主な発見

• 提案された適応的サンプリング手法は、高SNR条件下で、既存手法と比較して必要なサンプル数を71%削減した。
• 低SNR条件下では、同じ局所化精度を維持しながら、55%のサンプリング要件の削減を達成した。
• 理論的分析により、非一様性仮定の下で回復誤差が有界であり、近似的に最適なサンプリング複雑度が保証された。
• シミュレーションおよび実環境での検証において、ランダムサンプリング戦略を上回る性能を示し、適応性の優位性を実証した。
• レイトレーシングで生成されたデータおよび実環境での測定結果の両方で検証した結果、多様な屋内環境においても頑健で実用的であることが確認された。