lunes, 5 de septiembre de 2016

Artículo en revista "Spatial statistical analysis for the design of indoor particle-filter-based localization mechanisms"

Recientemente ha sido aceptado el artículo de posicionamiento en indoor a través de RSSI de nuestro grupo de investigación en la revista International Journal of Distributed Sensor Network con el título "Spatial statistical analysis for the design of indoor particle-filter-based localization mechanisms". 

Esquema general
Esquema general

 La cita del artículo es:
Jesus Martínez-Gómez, Miguel Martínez del Horno, Manuel Castillo-Cara, Víctor Manuel Brea Luján, Luis Orozco Barbosa, Ismael García-Varea. Spatial Statistical Analysis for the Design of Indoor Particle Filter based Localization Mechanisms.  International Journal of Distributed Sensor Networks - vol. 12 no. 8 - doi: 10.1177/1550147716661953
Para los que no conozcan mucho esta temática de investigación, resaltar que la principal meta es poder lograr un posicionamiento exacto a través de diferentes técnicas algorítmicas y mejora en el establecimiento de la señal entre el emisor (en este caso router Wi-Fi) y un receptor (en este caso un terminal móvil). Esta línea se desarrolla a partir de que en los ambientes de interior no se tiene una buena triangulación satelital por GPS por lo que se establecen diferentes emisores de señal Wi-Fi en los que a través de la potencia de la señal (RSSI) se realiza un posicionamiento en interior.

 Experimental environment layout. White squares and cylinders denote the location of APs and MPs, respectively
Hay que tener en cuenta, entre otras muchas problemáticas, que la señales inalámbricas se caracterizan por su debilidad, por ejemplo, encontrándose obstáculos, y también por su inestabilidad, es decir, el RSSI no es constante y emitido por igual en todo momento. 

En cuanto a la investigación en sí, establecer primero el abstract, en el que básicamente se da una breve introducción general en cuanto al sistema de localización y mecanismos utilizados en ellos:
The accurate localization of end-users and resources is seen as one of the main pillars toward the successful implementation of context-based applications. While current outdoor localization mechanisms fulfill most application requirements, the design of accurate indoor localization mechanisms is still an open issue. Most research efforts are focusing on the design of mechanisms making use of the receiver signal strength indications generated by WLAN (wireless local area network) devices. However, the accuracy and robustness of such mechanisms can be severely compromised due to the random and unpredictable nature of radio channels. In this article, we develop a methodology incorporating various algorithms capable of coping with the unpredictable nature of radio channels. Following a holistic approach, we start by identifying the wireless equipment parameter setting, better meeting the implementation requirements of a robust indoor localization mechanism. We then make use of RANdom SAmple Consensus paradigm: a robust model-fitting mechanism capable of smoothing the data captured during the space survey. Using an experimental setup, we evaluate the benefits of integrating the floor plan and an ordinary Kriging interpolation algorithm in the estimation process. Our main findings show that our proposal can greatly improve the quality of the information to be used in the development of particle-filter-based indoor localization mechanisms.
Por tanto, los primeros aspectos a tener en cuenta en dicho artículo es tener clara la ecuación de estimación de RSSI de Rappaport, de la que si se cambian las variables y se tiene el RSSI podemos calcular la distancia. Para la utilización de dicha ecuación, y utilizando filtro de partículas como algoritmo de posicionamiento óptimo por la caída de la señal de Wi-Fi, lo primero que había que realizar es ver que potencia y frecuencia se acomodaba mejora a nuestra técnica. Por supuesto, la mejor técnica es la que nos dá una caida constante de la señal, es decir, ver con qué parámetros el RSSI se mantiene más consistente y con una caída suave.
Study of the RSSI attenuation for different AP power levels and two different frequency bands: 2.4 GHz (top) and 5 GHz (bottom).
Una vez catalogado nuestro entorno con nuestra señal de emisores óptima, se procedió a mejorar el posicionamiento en interiores a través de filtro de partículas con dos técnicas principales: (i) Estimación por RANSAC y (ii) con una caracterización espacial. Esta mejora obtenida utilizando estás técnicas pueden verse en los siguientes mapas de calor:
Absolute RSSI power (db) error with RANSAC estimation.

Y una caracterización espacial
Absolute RSSI power (db) error with RANSAC estimation and spatial characterizacion
Como puede observarse en los mapas de calor se han mejorado enormemente la precisión en la localización y la recepción de la señal a la hora de mejorar el posicionamiento en interior. En la siguiente imagen puede observarse dichas mejoras en cuanto al "Error Cuadrático Medio" y al "Error Absoluto Medio".