[论文解读] Cognitive Indoor Positioning and Tracking using Multipath Channel Information

Erik Leitinger, Paul Meissner+1 more|arXiv (Cornell University)|Oct 19, 2016

Indoor and Outdoor Localization Technologies被引用 9

一句话总结

本文提出一种认知室内定位系统，利用多径分量（MPCs）作为虚拟锚点以增强在恶劣室内环境下的鲁棒性。通过将认知动态系统（CDS）与多径辅助导航（MINT）相结合，系统自适应调整载波频率以避开噪声频率带，显著提升了在强扩散多径干扰下的定位精度与稳定性，熵和误差累积分布函数（CDF）表明其相比非认知MINT具有更优的抗干扰能力。

ABSTRACT

This paper presents a robust and accurate positioning system that adapts its behavior to the surrounding environment, mimicking the capability of the visual brain to filtering out clutter and focusing attention on activity and relevant information. Especially in indoor environments, which are characterized by harsh multipath propagation, robust positioning is still hard to achieve under the constraint of reasonable infrastructural needs. In such environments it is essential to separate relevant from irrelevant information and attain an appropriate uncertainty model for measurements that are used for positioning.

研究动机与目标

• 为解决在最小基础设施条件下实现高鲁棒性与高精度室内定位的挑战。
• 通过利用镜面多径分量（MPCs）作为虚拟锚点（VAs）以增强几何信息，克服传统无线电定位的局限性。
• 将认知动态系统（CDS）原则——感知-动作循环、记忆、注意力与智能——整合到定位中，实现自适应、智能化的信号处理。
• 开发一种可主动规划控制动作（如波形自适应）的系统，以最大化相关信息并最小化来自扩散多径（DM）的干扰。
• 通过认知载波频率自适应动态避开噪声频率带，实现在高DM功率下仍保持稳定、低误差的定位。

提出的方法

• 采用基于几何的随机信道模型（GSCM）表示直射径与镜面多径分量（MPCs），包含复包络与时延参数。
• 将扩散多径（DM）建模为非平稳、零均值高斯过程，其功率谱密度依赖于环境与信号参数。
• 使用贝叶斯状态估计算法结合概率环境模型（GPEM），以维持对环境的一致记忆及对位置估计不确定性的建模。
• 通过实时信号分析，引入认知波形自适应机制，动态调整载波频率（fc,n），以避开DM功率较高的频段。
• 应用信息论效用函数（如熵、互信息）指导主动感知与感知-动作循环（PAC）中的测量选择优化。
• 将MINT与CDS结合，实现对环境交互的主动控制，通过智能波形规划提升信噪比与系统鲁棒性。

实验结果

研究问题

• RQ1 认知动态系统原理能否有效应用于室内定位，以提升对多径干扰的鲁棒性？
• RQ2 在高扩散多径功率条件下，主动载波频率自适应如何影响贝叶斯位置估计的稳定性与准确性？
• RQ3 认知波形自适应在严重噪声条件下，能在多大程度上降低后验熵并防止定位发散？
• RQ4 MINT与CDS的集成能否实现一种具有一致记忆增强功能的定位系统，实现实时环境变化的自适应？
• RQ5 在不同扩散多径干扰水平下，认知概率MINT相比标准概率MINT在位置误差与熵方面能带来多大性能增益？

主要发现

• 认知概率MINT算法成功避开靠近扩散多径（DM）频带的载波频率，表现为在高DM功率下，平均载波频率（fc,n）从初始频率fc,1发生偏移。
• 即使在高DM功率（Ω1 = 1.1615×10⁻⁸）下，认知MINT系统的后验位置估计熵仍保持近似恒定或下降，而非认知MINT则表现出熵迅速上升并趋于高位停滞。
• 认知MINT系统在噪声扰动后能实现恢复，维持低位置误差，表现为误差CDF始终紧密聚集于低值区域，而非认知MINT在扰动后出现发散。
• 在DM功率Ω1 = 1.1615×10⁻⁸条件下，认知MINT的中位位置误差低于0.05 m，而非认知MINT的中位误差超过0.1 m且出现显著发散。
• 系统在DM功率提高10倍的情况下，仍通过多轮蒙特卡洛仿真保持低不确定性（低熵）与高精度，展现出强鲁棒性。
• 通过载波频率自适应实现的认知控制，使系统能够有效分离相关MPC信息与无关DM干扰，显著提升在复杂室内环境中定位的可靠性。