[论文解读] Robust Estimators for Variance-Based Device-Free Localization and Tracking

Yang Zhao, Neal Patwari|arXiv (Cornell University)|Sep 26, 2011

Indoor and Outdoor Localization Technologies参考文献 20被引用 6

一句话总结

本论文提出两种鲁棒估计器——SubVRT（基于子空间方差的无线电断层扫描）和LSVRT（最小二乘方差基无线电断层扫描）——以减少由固有运动（如风吹树叶、振动设备）引起的免设备定位（DFL）系统中的定位误差。通过利用子空间分解和基于协方差的最小二乘法估计接收信号强度（RSS）方差，两种方法相较于传统VRTI，将定位均方根误差（RMSE）降低了40%以上，并将卡尔曼滤波跟踪精度提高了60–70%。

ABSTRACT

Human motion in the vicinity of a wireless link causes variations in the link received signal strength (RSS). Device-free localization (DFL) systems, such as variance-based radio tomographic imaging (VRTI), use these RSS variations in a static wireless network to detect, locate and track people in the area of the network, even through walls. However, intrinsic motion, such as branches moving in the wind and rotating or vibrating machinery, also causes RSS variations which degrade the performance of a DFL system. In this paper, we propose and evaluate two estimators to reduce the impact of the variations caused by intrinsic motion. One estimator uses subspace decomposition, and the other estimator uses a least squares formulation. Experimental results show that both estimators reduce localization root mean squared error by about 40% compared to VRTI. In addition, the Kalman filter tracking results from both estimators have 97% of errors less than 1.3 m, more than 60% improvement compared to tracking results from VRTI.

研究动机与目标

• 解决由风吹树叶或振动机械等固有运动引起的免设备定位（DFL）性能退化问题。
• 识别并缓解由固有运动引起的RSS方差影响，该影响在基于方差的DFL系统（如VRTI）中表现为“噪声”。
• 提升在真实环境干扰下DFL定位与跟踪的鲁棒性和准确性。
• 开发对非外部运动源具有鲁棒性的估计器，同时保持对人员运动的敏感性。
• 实现在环境动态变化（如天气）影响RSS测量的实际部署中，实现可靠的DFL性能。

提出的方法

• 对RSS方差测量应用子空间分解，利用信号子空间结构将固有运动分量与外部人员运动分量分离。
• 构建一种最小二乘估计器，利用RSS测量协方差矩阵的逆矩阵来降低噪声或不稳定链路的影响。
• 将SubVRT和LSVRT估计器集成到基于方差的无线电断层成像（VRTI）框架中，以提升定位估计性能。
• 使用改进的定位估计结果进行卡尔曼滤波，以增强跟踪性能并平滑轨迹输出。
• 利用固有运动信号的空间相关性，建模并抑制其对RSS方差的影响，而无需事先知晓运动源信息。
• 优化卡尔曼滤波参数（过程噪声和测量噪声），以在动态模型与测量输入之间实现平衡，从而实现鲁棒跟踪。

实验结果

研究问题

• RQ1 如何在免设备定位系统中有效分离由固有运动引起的RSS方差与由人员运动引起的方差？
• RQ2 在环境干扰条件下，子空间分解在基于RSS的DFL系统中能在多大程度上降低定位误差？
• RQ3 基于RSS协方差的最小二乘公式能否提升DFL系统对非人体运动伪影的鲁棒性？
• RQ4 在真实环境下，SubVRT和LSVRT估计器相较于传统VRTI在定位与跟踪精度方面表现如何？
• RQ5 在使用不同定位估计器时，固有运动对卡尔曼滤波跟踪性能有何影响？

主要发现

• 在存在显著固有运动的实验中，SubVRT和LSVRT相较于传统VRTI，分别将定位均方根误差（RMSE）降低了40.5%和45.5%。
• 在跟踪性能方面，SubVRT有97%的误差低于1.4米，相比VRTI提升了65%；LSVRT则实现97%的误差低于1.2米，相比VRTI提升了70%。
• 在实验2（高固有运动条件下），VRTI的跟踪RMSE增加了83.3%，而SubVRT和LSVRT的增加幅度分别仅为26.3%和15.8%。
• 使用SubVRT和LSVRT的卡尔曼滤波跟踪在高固有运动条件下仍能保持亚米级精度，展现出优异的鲁棒性。
• 卡尔曼滤波对测量噪声参数（σ²_v）在宽范围（0.001至20）内相对不敏感，表明在合理参数调优下性能稳定。
• 在存在环境干扰的场景下，两种估计器均显著优于VRTI，证明其在抑制RSS方差测量中非人体运动伪影方面的有效性。