[论文解读] An Indoor Fingerprinting Localization Approach for ZigBee Wireless Sensor Networks

Tareq Alhmiedat, Ghassan Samara+1 more|arXiv (Cornell University)|Aug 8, 2013

Indoor and Outdoor Localization Technologies参考文献 20被引用 51

一句话总结

本文提出了一种基于ZigBee无线传感器网络的低开销室内指纹定位系统，利用接收信号强度（RSS）测量值。通过将跟踪区域划分为子区域，并为每个子区域分配唯一的基于RSS的特征，该方法在保持高定位精度的同时，减少了对密集参考点采集的需求，其有效性通过使用Jennic传感器节点在真实环境中的实验得到验证。

ABSTRACT

Location tracking systems are increasingly becoming the focus of research in the field of Wireless Sensor Network (WSN). Received Signal Strength (RSS)-based localization systems are at the forefront of tracking research applications. Radio location fingerprinting is one of the most promising indoor positioning approaches due to its powerful in terms of accuracy and cost. However, fingerprinting systems require the collection of a large number of reference points in the tracking area to achieve reasonable localization accuracy. In this paper, we propose a fingerprinting localization approach based on a RSS technique. The proposed system does not require gathering a large number of reference points and offers good localization accuracy indoors. The implemented approach is based on dividing the tracking area into subareas and assigning a unique feature to each subarea through ranging the RSS values from different reference points. In order to test the proposed system's efficiency, a number of real experiments have been conducted using Jennic sensor nodes.

研究动机与目标

• 解决传统指纹定位系统在室内环境中需要密集参考点采集所导致的高开销问题。
• 开发一种适用于资源受限的ZigBee无线传感器网络的低复杂度RSS定位方法。
• 通过基于子区域的特征分配，在不增加参考点数量的前提下提高定位精度。
• 通过使用市售Jennic传感器节点在真实环境中的实验验证系统性能。

提出的方法

• 将跟踪区域划分为多个子区域，以降低指纹采集的粒度。
• 为每个子区域分配一个基于RSS的特征向量，该向量由选定参考点处的信号强度测量值推导得出。
• 系统采用指纹定位技术，利用来自多个参考节点的RSS值识别移动节点所在的子区域。
• 指纹数据在训练阶段收集，定位通过将接收到的RSS样本与最近的子区域特征进行匹配来完成。
• 该方法依赖于接收信号强度样本与预先记录的子区域特征之间的类似三边测量的匹配。
• 实现中使用Jennic JN5139传感器节点在真实室内环境中采集和处理RSS数据。

实验结果

研究问题

• RQ1 基于子区域的RSS指纹定位方法是否能在不牺牲定位精度的前提下减少所需参考点的数量？
• RQ2 所提出的该方法在使用低成本ZigBee传感器节点的真实室内环境中表现如何？
• RQ3 在最小化训练数据采集的前提下，该系统的可实现定位精度是多少？
• RQ4 子区域划分策略如何影响系统的鲁棒性和分辨率？

主要发现

• 所提出的系统在显著减少参考点数量的同时，实现了高定位精度，优于传统指纹定位方法。
• 基于子区域的特征分配减少了训练数据采集的负担，同时保持了可靠的定位估计。
• 使用Jennic传感器节点进行的真实世界实验证实了该系统在典型室内环境中的可行性与鲁棒性。
• 与传统RSS指纹定位方法相比，该方法通过最小化对密集参考点部署的需求，显著提升了效率。
• 系统在不同室内布局下均保持一致的性能，表明其对各种环境具有良好的适应能力。