[论文解读] Performance Study of Localization Techniques in Wireless Body Area Sensor Networks

Obaid Ur Rehman, Nadeem Javaid+2 more|arXiv (Cornell University)|Jul 6, 2012

Indoor and Outdoor Localization Technologies参考文献 5被引用 4

一句话总结

本文评估并比较了无线体域传感器网络（WBASNs）中室内与室外定位技术，提出使用粒子滤波进行室内跟踪，以及基于隐马尔可夫模型（HMM）的GSM定位用于室外应用。结果表明，粒子滤波在室内环境中实现了最高的定位精度，而基于HMM的GSM定位在室外方案中兼具更高的精度和更低的计算开销。

ABSTRACT

One of the major issues in Wireless Body Area Sensor Networks (WBASNs) is efficient localization. There are various techniques for indoor and outdoor environments to locate a person. This study evaluating and compares performance of optimization schemes in indoor environments for optimal placement of wireless sensors, where patients can perform their daily activities. In indoor environments, the performance comparison between Distance Vector-Hop algorithm, Ring Overlapping Based on Comparison Received Signal Strength Indicator (ROCRSSI), Particle filtering and Kalman filtering based location tracking techniques, in terms of localization accuracy is estimated. Results show that particle filtering outperforms all. GPS and several techniques based on GSMlocation tracking schemes are proposed for outdoor environments. Hidden Markov GSM based location tracking scheme efficiently performs among all, in terms of location accuracy and computational overheads.

研究动机与目标

• 评估并比较无线体域传感器网络（WBASNs）在室内与室外环境中定位技术的性能。
• 识别在患者监测应用中兼顾精度与计算开销的最优定位方案。
• 提出数学模型，用于估算确定性指纹定位与基于HMM的跟踪方案中的定位精度。
• 分析粒子滤波与卡尔曼滤波在具有动态人体运动的非线性室内跟踪场景中的性能。

提出的方法

• 提出基于贝叶斯后验概率的粒子滤波方法，通过基于信号似然的时间序列粒子加权来估计未知节点位置。
• 在动态室内环境中采用卡尔曼滤波进行状态估计，使用线性高斯过程对位置与速度进行建模。
• 引入隐马尔可夫模型（HMM）用于基于GSM的室外定位，其中状态代表网格单元，观测值为来自相邻基站的接收信号强度指示（RSSI）值。
• 利用稳态概率分布预测用户位置转移，通过利用RSSI观测的时间相关性提高定位精度。
• 应用数学建模方法，使用欧几里得距离度量计算确定性指纹定位中的定位精度。
• 将信标开销定义为每个移动节点的平均信标消息数量，以评估基于GPS的定位效率。

实验结果

研究问题

• RQ1 在WBASNs中，DV-Hop、ROCRSSI、粒子滤波与卡尔曼滤波这四种室内定位技术中，哪一种能实现最高的定位精度？
• RQ2 基于HMM的GSM定位方案与其它室外技术（如小区ID、GPS）相比，在精度与计算成本方面表现如何？
• RQ3 增加观测序列长度对基于HMM的定位估计精度与延迟有何影响？
• RQ4 如何建立数学模型以量化确定性指纹定位与基于HMM的跟踪方案中的定位精度？
• RQ5 在移动WBAN节点的基于GPS的定位中，精度与信标开销之间应如何实现最优平衡？

主要发现

• 粒子滤波在定位精度方面优于所有其他室内定位技术，尤其在非线性与动态环境中表现更优。
• 基于HMM的GSM定位方案在所有室外定位方法中实现了最高的精度，同时保持了较低的计算开销。
• 增加RSSI观测序列长度可提高基于HMM的定位估计精度，但会增加延迟。
• 所提出的确定性指纹定位数学模型能够利用欧几里得距离度量对定位精度进行量化。
• 通过仅记录首个与最后一个信标消息，基于GPS的定位中可最小化信标开销，从而在不牺牲位置估计精度的前提下减少消息负载。
• HMM中的稳态概率分布通过建模相邻网格单元之间的转移概率，提高了用户移动模式的预测精度。