TU Darmstadt / ULB / tuprints

Statistical Data Fusion for Hybrid Localization of Mobile Terminals

Fritsche, Carsten :
Statistical Data Fusion for Hybrid Localization of Mobile Terminals.
Institut für Nachrichtentechnik/Fachgebiet Kommunkationstechnik
[Ph.D. Thesis], (2011)

[img]
Preview
PDF
dissertation_final.pdf
Available under Creative Commons Attribution Non-commercial No Derivatives.

Download (2088Kb) | Preview
Item Type: Ph.D. Thesis
Title: Statistical Data Fusion for Hybrid Localization of Mobile Terminals
Language: English
Abstract:

In recent years, there is an increased interest in wireless location systems offering reliable mobile terminal (MT) location estimates. This is mainly due to upcoming and already available Location Based Services, such as intelligent transport systems, yellow page services, location sensitive billing and other promising services that rely on accurate MT location estimates. So far, a multitude of wireless location systems have been proposed that offer MT location estimates. The most promising solutions are based on the Global Navigation Satellite System (GNSS) and the cellular radio network, since both systems utilize an already existing infrastructure. Conventionally, these systems provide MT location estimates independently from each other. However, there exist scenarios where the signals that are exchanged between the satellites and the MT are blocked, e.g., in urban environments where tall buildings surround the MT or in indoor environments. In these scenarios, the number of measurements available from GNSS is often insufficient to determine the MT location. The signals that are exchanged between the base stations (BSs) of the cellular radio network and the MT are available in these scenarios, but generally they cannot offer the same accuracy as the signals from GNSS. In urban and indoor scenarios, these signals are often reflected at obstacles such as buildings, trees or office walls, so that a direct, line-of-sight (LOS) path between MT and the BS does not exist. In this case, the signal of the MT arrive via an indirect path at the BS, which is known as non-line-of-sight (NLOS) propagation. The errors due to NLOS propagation generally result in a decreased localization performance, and should be therefore taken into account in the MT localization algorithms. This thesis deals with the problem of estimating the MT location using pseudorange (PR) measurements from the Global Positioning System (GPS) and round trip time (RTT) and received signal strength (RSS) measurements from the Global System for Mobile communications (GSM), which is termed hybrid localization. The measurements, which are available from off-the-shelf mobile phones and conventional GPS receivers, are efficiently combined by using statistical data fusion, so that it is possible to obtain MT location estimates even if the number of measurements available from GPS is insufficient to determine the MT location. The corresponding hybrid localization algorithms are designed such that good performance can be achieved in situations when the measurements are affected by either LOS propagation conditions or propagation conditions that switch between LOS and NLOS. It is investigated how the existing offset between the satellite clocks and the MT clock can be mitigated and the localization accuracy can be improved by using GNSS reference time (GRT) measurements. In order to analyze the hybrid localization algorithms, a mathematical framework is introduced that describes the hybrid localization scenario. Statistical models for the MT movement and MT clock, as well as models for the measurements assuming LOS and NLOS propagation conditions are introduced. In this work, the following three types of hybrid localization algorithms are introduced: • Non-recursive hybrid localization algorithms, that do not take into account existing temporal dependencies between time consecutive MT locations and measurements. • Recursive hybrid localization algorithms, that take into account the information of MT estimates and measurements from previous time steps. • Recursive hybrid localization algorithms with adaptive LOS/NLOS detection, that take into account the information of MT estimates and measurements from previous time steps, and that estimate the current propagation conditions. The non-recursive hybrid localization algorithms are based on the maximum likelihood (ML) principle. The ML estimators for LOS propagation conditions and for propagation conditions that switch between LOS and NLOS are newly derived, and ML estimates are numerically obtained using suboptimal algorithms. In order to assess the theoretical best achievable performance of non-recursive estimators, the Cramér-Rao lower bound (CRLB) for hybrid localization is evaluated. Simulation and field trial results have shown that additionally taking into account PR measurements from GPS and GRT from GSM in the algorithms can significantly improve the localization accuracy compared to algorithms that only take into account RTT and RSS measurements from GSM. The recursive hybrid localization algorithms developed in this work are Kalman filter (KF)-based estimators and particle filter (PF)-based estimators. Different estimators for LOS propagation conditions and for propagation conditions that switch between LOS and NLOS are newly proposed. The PF-based estimators additionally take into account road information to restrict MT movement to roads, in order to further improve the localization accuracy. The theoretical best achievable performance of recursive estimators is found by evaluating the posterior CRLB (PCRLB). It is shown that additionally taking into account road information into the estimators can significantly improve the localization accuracy. It is further demonstrated that recursive hybrid localization algorithms outperform non-recursive hybrid localization algorithms. The recursive hybrid localization algorithms with adaptive LOS/NLOS detection that are proposed in this work are based on the interacting multiple model (IMM) estimator that is combined with extended KFs (EKFs) and two multiple model PF-based estimators. The multiple model PF-based estimators additionally take into account road information to further improve the localization accuracy. A novel method is presented to determine the PCRLB for recursive estimators with adaptive LOS/NLOS detection. It is shown that multiple model PF-based estimators with road constraints generally outperform the IMM-EKF. It is further demonstrated that the IMM-EKF achieves the best trade-off between performance and computational complexity, as long as road constraints are not considered in the multiple model PF-based estimators.

Alternative Abstract:
Alternative AbstractLanguage
In den letzten Jahren gibt es ein erhöhtes Interesse an drahtlosen Ortungssystemen, die zuverlässige Schätzungen des Ortes eines mobilen Endgeräts (ME) liefern. Dies liegt vor allem an den bereits vorhandenen sowie den kurz vor der Einführung stehenden ortsabhängigen Diensten, wie z.B. intelligente Transportsysteme, Gelbe Seiten, ortsabhängige Gebührenzahlungen und andere, viel versprechende Dienstleistungen, deren Anwendung eine genaue Schätzung des Ortes des MEs erfordert. Bis heute sind eine Vielzahl an drahtlosen Ortungssystemen vorgeschlagen worden, die eine Ortsschätzung des MEs anbieten. Die viel versprechendsten Lösungen basieren auf dem globalen Navigations-Satellitensystem (GNSS) und dem zellularen Mobilfunknetz, da beide Systeme eine bereits existierende Infrastruktur ausnutzen. Üblicherweise stellen diese Systeme die Ortsschätzungen des MEs unabhängig voneinander zur Verfügung. Jedoch existieren Szenarien, in denen die Signale, die zwischen den Satelliten und dem ME ausgetauscht werden, blockiert werden. Beispiele hierfür sind ein ME, das sich in innerstädtischer Umgebung befindet, in der hohe Gebäude die freie Sicht zu den Satelliten versperren oder ein ME, das sich innerhalb eines Gebäudes befindet. In diesen Szenarien ist die Anzahl der von dem GNSS zur Verfügung gestellten Messwerten meist nicht ausreichend, um den Ort des MEs zu schätzen. Die Signale, die zwischen der Basisstation (BS) des zellularen Mobilfunknetzes und dem ME ausgetauscht werden, stehen praktisch in jedem Szenario zur Verfügung, jedoch können diese Signale nicht die gleiche Lokalisierungsgenauigkeit liefern, wie die Signale des GNSS. In innerstädtischen Umgebungen und innerhalb von Gebäuden werden diese Signale häufig an Hindernissen, wie z.B. Gebäuden, Bäumen oder Wänden reflektiert, so dass keine direkte Sichtverbindung (line-of-sight (LOS)) zwischen dem ME und der BS existiert. In diesem Fall erreicht das Signal des MEs die BS über einen indirekten Pfad, was in der Literatur als non-line-of-sight (NLOS) Ausbreitung bezeichnet wird. Die Fehler durch NLOS-Ausbreitung führen im Allgemeinen zu einer Verschlechterung der Lokalisierungsgenauigkeit, und sollten daher in den Lokalisierungsalgorithmen ber¨ucksichtigt werden. Die vorliegende Arbeit behandelt das Problem der Bestimmung des Ortes des ME unter Verwendung von Pseudoentfernungs-Messwerten (PE), welche das Global Positioning System (GPS) zur Verfügung stellt, sowie Umlaufzeit-Messwerten (ULZ) und Empfangsfeldstärke-Messwerten (EFS), welche das Global System for Mobile communications (GSM) zur Verfügung stellt. Die zugrunde liegenden Messwerte werden heutzutage von jedem handelsüblichen Mobiltelefon sowie GPS-Empfänger zur Verfügung gestellt. Die verschiedenen Messwerte werden effektiv miteinander kombiniert unter der Verwendung von Verfahren der statistischen Datenfusion, was im Folgenden als hybride Lokalisierung bezeichnet wird. Durch die Kombination von Messwerten ist es möglich, Ortsschötzungen des MEs zu erhalten, auch wenn die Anzahl der von GPS zur Verfügung gestellten PE Messwerten nicht ausreicht. Die hybriden Lokalisierungsalgorithmen sind so entworfen, dass eine gute Lokalisierungsgenauigkeit in Szenarien mit LOS Ausbreitungsbedingungen sowie in Szenarien, in denen die Ausbreitungsbedingungen zwischen LOS und NLOS wechseln können, erreicht werden kann. Weiterhin wird untersucht, inwiefern Messwerte über die GNSS Referenzzeit (GRZ) den bestehenden Uhrenfehler zwischen den Uhren der Satelliten und dem ME verringern und die Lokalisierungsgenauigkeit verbessern können. Um die hybriden Lokalisierungsalgorithmen analysieren zu können, wird ein Modell eingeführt, das das hybride Lokalisierungsszenario mathematisch beschreibt. Statistische Modelle, die die Bewegung des MEs sowie die Uhr des MEs beschreiben, werden eingeführt. Die Messwerte werden ebenfalls statistisch beschrieben und enthalten Modelle, die für LOS Ausbreitungsbedingungen gültig sind, sowie Modelle, die zwischen LOS und NLOS Ausbreitungsbedingungen wechseln können. In dieser Arbeit werden die folgendenen hybriden Lokalisierungsalgorithmen vorgeschlagen: • Nicht rekursive, hybride Lokalisierungsalgorithmen, die Abhängigkeiten zwischen zeitlich aufeinanderfolgenden Orten des MEs und zeitlich aufeinanderfolgenden Messwerten nicht berücksichtigen. • Rekursive, hybride Lokalisierungsalgorithmen, die Informationen über Schätzwerte des Ortes des MEs aus zeitlich vorangegangenen Schätzungen sowie Messwerte von vorherigen Zeitschritten in die aktuelle Schätzung mit einfließen lassen. • Rekursive, hybride Lokalisierungsalgorithmen mit adaptiver LOS/NLOS Detektion, die Informationen über Schätzwerte des Ortes des MEs aus zeitlich vorangegangenen Schätzungen sowie Messwerte von vorherigen Zeitschritten in die aktuelle Schätzung mit einfließen lassen, und darüber hinaus die aktuellen Ausbreitungsbedingungen schätzen. Die nicht rekursiven hybriden Lokalisierungsalgorithmen basieren auf dem Maximum Likelihood (ML) Prinzip. Für LOS Ausbreitungsbedingungen sowie für Ausbreitungsbedingungen, die zwischen LOS und NLOS wechseln können, werden die ML Schätzer hergeleitet. Die ML Schätzwerte werden numerisch berechnet unter der Verwendung von suboptimalen Algorithmen. Um die theoretisch bestmögliche Performanz der nicht rekursiven Schätzer zu bestimmen, werden die Cramér-Rao Schranken (CRS) für die hybride Lokalisierung bestimmt. Die Ergebnisse mit simulierten Daten sowie Daten, die aus Feldversuchen stammen, haben gezeigt, dass durch die zusätzliche Berücksichtigung von PE Messwerten von GPS und GRZ Messwerten von GSM die Lokalisierungsgenauigkeit erheblich verbessert werden kann im Vergleich zu Algorithmen, die nur ULZ und EFS Messwerte von GSM auswerten. Die rekursiven hybriden Lokalisierungsalgorithmen, die in dieser Arbeit entwickelt werden, beruhen auf Kalman Filter (KF)-basierten Schätzern und Partikelfilter (PF)- basierten Schätzern. Es werden verschiedene Schätzer für LOS Ausbreitungsbedingungen, sowie für Ausbreitungsbedingungen, die zwischen LOS und NLOS wechseln können, vorgeschlagen. Die PF-basierten Schätzer berücksichtigen zusätzlich Straßenkarteninformationen, um die Bewegung des MEs auf Straßen zu beschränken und somit die Lokalisierungsgenauigkeit weiter zu verbessern. Die a posteriori CRS (PCRS) für die hybride Lokalisierung wird hergeleitet, um die theoretisch bestmögliche Performanz der rekursiven Schätzer zu bestimmen. Es wird gezeigt, dass durch die Berücksichtigung von Straßenkarteninformationen in den Schätzern die Lokalisierungsgenauigkeit erheblich verbessert werden kann. Des Weiteren wird gezeigt, dass die rekursiven hybriden Lokalisierungsalgorithmen eine höhere Lokalisierungsgenauigkeit liefern als die nicht rekursiven hybriden Lokalisierungsalgorithmen. Die rekursiven hybriden Lokalisierungsalgorithmen mit adaptiver LOS/NLOS Detektion, die in dieser Arbeit vorgeschlagen werden, basieren auf einem interacing multiple model Algorithmus mit erweiterten KF Schätzern (IMM-EKF), sowie zwei multiple model PF-basierten Schätzer. Die multiple model PF-basierten Schätzer berücksichtigen zusätzlich Straßenkarteninformationen, um die Lokalisierungsgenauigkeit weiter zu verbessern. Eine neue Methode wird vorgeschlagen, um die PCRS für rekursive Schätzer mit adaptiver LOS/NLOS Detektion zu bestimmen. Es wird gezeigt, dass multiple model PF-basierten Schätzer mit Straßenkarteninformationen im Allgemeinen eine höhere Lokalisierungsgenauigkeit aufweisen als das IMM-EKF. Es wird weiterhin gezeigt, dass das IMM-EKF den besten Kompromiss zwischen Lokalisierungsgenauigkeit und Komplexität erzielt, solange keine Straßenkarteninformation in den multiple model PF-basierten Schätzern berücksichtigt wird.German
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: Fachbereich Elektrotechnik und Informationstechnik > Kommunikationstechnik
Fachbereich Elektrotechnik und Informationstechnik
Date Deposited: 04 Apr 2011 08:28
Last Modified: 07 Dec 2012 11:59
URN: urn:nbn:de:tuda-tuprints-24994
License: Creative Commons: Attribution-Noncommercial-No Derivative Works 3.0
Referees: Klein, Prof. Dr.- Anja and Gustafsson, Prof. Dr. Fredrik
Refereed: 15 March 2011
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/2499
Export:

Actions (login required)

View Item View Item