[论文解读] AROMA: Automatic Generation of Radio Maps for Localization Systems

Ahmed Eleryan, Mohamed Elsabagh+1 more|arXiv (Cornell University)|Feb 9, 2010

Indoor and Outdoor Localization Technologies参考文献 19被引用 6

一句话总结

AROMA 是一种新颖的系统，通过结合三维射线追踪与统一 diffraction 理论（UTD），自动为基于设备和非基于设备的 WLAN 定位系统生成高精度主动与被动无线电地图。该系统能够对无线电波传播和人体遮挡效应进行建模，实现信号强度预测的最大平均绝对误差为 3.18 dBm，定位误差最高为 2.44m，其中 UTD 在非基于设备场景中使精度提升超过 700%。

ABSTRACT

WLAN localization has become an active research field recently. Due to the wide WLAN deployment, WLAN localization provides ubiquitous coverage and adds to the value of the wireless network by providing the location of its users without using any additional hardware. However, WLAN localization systems usually require constructing a radio map, which is a major barrier of WLAN localization systems' deployment. The radio map stores information about the signal strength from different signal strength streams at selected locations in the site of interest. Typical construction of a radio map involves measurements and calibrations making it a tedious and time-consuming operation. In this paper, we present the AROMA system that automatically constructs accurate active and passive radio maps for both device-based and device-free WLAN localization systems. AROMA has three main goals: high accuracy, low computational requirements, and minimum user overhead. To achieve high accuracy, AROMA uses 3D ray tracing enhanced with the uniform theory of diffraction (UTD) to model the electric field behavior and the human shadowing effect. AROMA also automates a number of routine tasks, such as importing building models and automatic sampling of the area of interest, to reduce the user's overhead. Finally, AROMA uses a number of optimization techniques to reduce the computational requirements. We present our system architecture and describe the details of its different components that allow AROMA to achieve its goals. We evaluate AROMA in two different testbeds. Our experiments show that the predicted signal strength differs from the measurements by a maximum average absolute error of 3.18 dBm achieving a maximum localization error of 2.44m for both the device-based and device-free cases.

研究动机与目标

• 解决 WLAN 定位系统中的主要部署障碍：手动构建无线电地图耗时耗力。
• 实现基于设备和非基于设备定位系统的主动与被动无线电地图的自动生成。
• 通过自动化建筑模型导入与空间采样等任务，最小化用户工作量。
• 通过引入 UTD 对电磁波传播与人体遮挡效应的建模，实现高精度定位。
• 通过预处理、包围胶囊与接收球等优化技术，降低计算成本。

提出的方法

• 利用结合统一 diffraction 理论（UTD）的三维射线追踪技术，对复杂室内环境中信号的传播进行建模，包括反射、衍射与衰减。
• 通过将人体建模为有损电介质圆柱体，模拟遮挡与信号吸收效应，实现对人体散射的影响建模。
• 通过导入三维建筑模型并自动执行感兴趣区域的空间采样，实现无线电地图生成流程的自动化。
• 采用预处理几何数据、包围胶囊以限制射线追踪范围、接收球以减少计算负载等优化技术。
• 基于现场实测数据，采用最优拟合衰减指数，以提升信号强度预测的准确性。
• 支持主动与被动无线电地图的构建：主动地图存储每个位置的 AP 到设备的信号强度；被动地图存储（AP, MP）配对的信号强度，无需携带设备。

实验结果

研究问题

• RQ1 自动无线电地图生成能否显著降低 WLAN 定位系统中的用户工作量与部署时间？
• RQ2 在基于设备与非基于设备场景中，建模人体遮挡效应在多大程度上提升了定位精度？
• RQ3 将 UTD 与三维射线追踪结合，在预测信号强度与降低定位误差方面效果如何？
• RQ4 忽略人体影响对非基于设备定位精度有何影响？自动化系统能否有效缓解此问题？
• RQ5 统一系统能否在最小用户输入下，为基于设备与非基于设备定位生成高精度无线电地图？

主要发现

• AROMA 在两个测试平台中，预测与实测信号强度之间的最大平均绝对误差为 3.18 dBm。
• 在基于设备的场景中，系统实现平均定位误差为 1.61m；在更具挑战性的非基于设备场景中，平均定位误差为 2.44m。
• 在非基于设备场景中若排除 UTD 模型，性能下降超过 700%，凸显其在精度中的关键作用。
• 人体遮挡效应建模的引入显著提升了预测精度，尤其在视 Line-of-Sight 与非视 Line-of-Sight 场景中表现突出。
• AROMA 通过自动化建筑模型导入、空间采样及材料与天线模式的默认数据库，显著降低了用户工作量。
• 系统的优化技术有效降低了计算需求，同时保持高精度，支持实际部署。