[论文解读] A Statistically Modelling Method for Performance Limits in Sensor Localization

Baoqi Huang, Tao Li+2 more|arXiv (Cornell University)|Sep 14, 2011

Indoor and Outdoor Localization Technologies参考文献 43被引用 9

一句话总结

该论文提出了一种基于统计的建模方法，利用Cramér-Rao下界（CRLB）迹作为标量性能度量，在随机锚点部署下分析单跳传感器定位的性能极限。通过应用U-统计量和中心极限定理，证明了对于接收信号强度（RSS）/方位角，CRLB迹渐近服从正态分布；对于到达时间（TOA），则收敛于自由度为2的卡方分布的仿射变换。文中给出了明确的公式，将均值、方差、锚点数量、信道参数、噪声以及空间分布等要素关联起来，即使在锚点数量较少时也能实现精确的性能预测。

ABSTRACT

In this paper, we study performance limits of sensor localization from a novel perspective. Specifically, we consider the Cramer-Rao Lower Bound (CRLB) in single-hop sensor localization using measurements from received signal strength (RSS), time of arrival (TOA) and bearing, respectively, but differently from the existing work, we statistically analyze the trace of the associated CRLB matrix (i.e. as a scalar metric for performance limits of sensor localization) by assuming anchor locations are random. By the Central Limit Theorems for $U$-statistics, we show that as the number of the anchors increases, this scalar metric is asymptotically normal in the RSS/bearing case, and converges to a random variable which is an affine transformation of a chi-square random variable of degree 2 in the TOA case. Moreover, we provide formulas quantitatively describing the relationship among the mean and standard deviation of the scalar metric, the number of the anchors, the parameters of communication channels, the noise statistics in measurements and the spatial distribution of the anchors. These formulas, though asymptotic in the number of the anchors, in many cases turn out to be remarkably accurate in predicting performance limits, even if the number is small. Simulations are carried out to confirm our results.

研究动机与目标

• 分析在真实随机锚点配置下而非确定性几何结构中的单跳传感器定位性能极限。
• 在随机锚点部署下，将Cramér-Rao下界（CRLB）矩阵的迹建模为标量性能度量。
• 推导三种测量类型（RSS、TOA和方位角）下CRLB迹的渐近分布。
• 提供CRLB迹均值与标准差与锚点数量、信道参数、噪声统计特性及空间分布之间关系的定量公式。
• 通过仿真验证即使在锚点数量较少时，渐近近似公式的准确性。

提出的方法

• 将锚点位置建模为空间中独立同分布的随机变量，将传感器-锚点几何关系视为随机变量。
• 采用CRLB矩阵的迹作为定位精度的标量性能度量。
• 应用U-统计量理论分析CRLB迹表达式，借助U-统计量的中心极限定理，获得渐近分布结果。
• 对于RSS和方位角，证明CRLB迹随着锚点数量增加，其分布收敛于正态分布。
• 对于TOA，证明CRLB迹收敛于自由度为2的卡方随机变量的仿射变换。
• 理论推导中给出了CRLB迹均值与标准差的显式公式，其表达式包含锚点数量、噪声方差、路径损耗指数及空间分布参数。

实验结果

研究问题

• RQ1 当锚点位置随机分布而非固定时，以CRLB矩阵迹衡量的传感器定位性能极限如何表现？
• RQ2 在随机锚点部署下，RSS与方位角定位的CRLB迹的渐近分布为何种形式？
• RQ3 在随机锚点部署下，TOA定位的CRLB迹的渐近分布为何种形式？
• RQ4 CRLB迹的均值与标准差如何随锚点数量、噪声水平及信道参数变化？
• RQ5 渐近公式在锚点数量较少时，对CRLB迹的预测准确程度如何？

主要发现

• 对于基于RSS和方位角的定位，CRLB矩阵的迹随着锚点数量增加，其分布收敛于正态分布。
• 对于基于TOA的定位，CRLB迹收敛于自由度为2的卡方随机变量的仿射变换。
• CRLB迹的均值与标准差已明确量化，其表达式包含锚点数量、噪声方差、路径损耗指数及空间分布参数。
• CRLB迹均值与标准差的渐近公式即使在锚点数量较少时也表现出极高的准确性，仿真结果已验证此结论。
• CRLB迹向其渐近分布的收敛过程具有鲁棒性，残差项以概率收敛于零。
• 该理论框架可实现对真实随机部署场景下定位性能极限的可靠预测。