[论文解读] RTI Goes Wild: Radio Tomographic Imaging for Outdoor People Detection and Localization

Cesare Alippi, Maurizio Bocca+3 more|arXiv (Cornell University)|Jul 30, 2014

Indoor and Outdoor Localization Technologies被引用 5

一句话总结

本文提出了一种节能、自适应的无线电断层成像（RTI）系统，用于室外人员检测与定位，可有效抑制风、雨及树叶等环境噪声的影响。通过动态选择可靠的链路-信道对并应用背景抑制技术，该方法相较室内RTI方法将误报率降低95%，能耗降低最高达87%，在林地等室外环境中实现低于10米的定位误差。

ABSTRACT

RF sensor networks are used to localize people indoor without requiring them to wear invasive electronic devices. These wireless mesh networks, formed by low-power radio transceivers, continuously measure the received signal strength (RSS) of the links. Radio Tomographic Imaging (RTI) is a technique that generates 2D images of the change in the electromagnetic field inside the area covered by the radio transceivers to spot the presence and movements of animates (e.g., people, large animals) or large metallic objects (e.g., cars). Here, we present a RTI system for localizing and tracking people outdoors. Differently than in indoor environments where the RSS does not change significantly with time unless people are found in the monitored area, the outdoor RSS signal is time-variant, e.g., due to rainfalls or wind-driven foliage. We present a novel outdoor RTI method that, despite the nonstationary noise introduced in the RSS data by the environment, achieves high localization accuracy and dramatically reduces the energy consumption of the sensing units. Experimental results demonstrate that the system accurately detects and tracks a person in real-time in a large forested area under varying environmental conditions, significantly reducing false positives, localization error and energy consumption compared to state-of-the-art RTI methods.

研究动机与目标

• 为解决室外射频传感器网络中非平稳环境噪声导致的RTI性能下降问题。
• 实现在森林等密集遮挡型室外环境中对人员进行准确、实时的无设备定位。
• 通过自适应周期采样与智能链路选择，降低电池供电RTI系统的能耗。
• 通过开发对时间变化的接收信号强度（RSS）波动具有鲁棒性的方法，消除对初始校准的依赖。
• 在传统RTI方法失效的恶劣室外条件下，提升定位精度并减少误报。

提出的方法

• 通过表征环境噪声与链路衰落水平（相对于理论值的RSS差值）之间的关系，识别出稳定的链路-信道对。
• 仅选择表现出与人体存在相关联的稳定信号变化的链路-信道对，过滤掉噪声大或不稳定的链路。
• 应用背景抑制算法，消除由风、雨或树叶引起的RSS异常变化，提升运动检测的鲁棒性。
• 采用自适应时间窗（Tw）与背景训练期（Tb），为每个链路-信道对估计动态参考RSS水平。
• 使用带有参数λ的椭圆灵敏度模型，定义每条链路的影响区域，提升定位精度。
• 根据环境条件动态调节采样频率，以优化能效。

实验结果

研究问题

• RQ1 如何使RTI系统在室外环境中对风驱动的树叶摆动和降雨等时变环境噪声具有鲁棒性？
• RQ2 在无法获得稳定初始校准的条件下，应采用何种标准选择适用于室外RTI的可靠链路-信道对？
• RQ3 背景抑制在非平稳室外RSS环境中如何提升定位精度？
• RQ4 在不牺牲检测或定位性能的前提下，室外RTI系统的能耗最多可降低多少？
• RQ5 所提方法对关键参数（如时间窗长度Tw、背景训练期Tb和灵敏度椭圆宽度λ）的变化敏感程度如何？

主要发现

• 所提出的室外RTI方法（OUT+）将误报率降低至0.04%，相较最先进的室内RTI方法（0.92–1.19%）提升95%。
• 与适配后的室内RTI方法相比，定位误差降低46%，在林地条件下平均误差（em）低于10米。
• 能耗相较现有RTI方法降低62%至87%，显著延长了远程部署场景下的电池寿命。
• 该方法对参数变化具有鲁棒性：在λ、Tw和Tb的测试取值范围内，定位误差的均值与标准差变化均不超过12%。
• 背景抑制有效减少了无线电断层成像中的虚假光斑形成，防止了由环境RSS波动引起的高定位误差（>10米）。
• 系统在不同天气条件下，实现了对大型林地区域内人员的实时检测与跟踪，验证了其实际可行性。