Multipath Exploitation for Emitter Localization using Ray-Tracing Fingerprints and Machine Learning

The precise localization of radio frequency (RF) transmitters in outdoor environments has been an important research topic in various fields for several years. Nowadays, the functionalities of many electronic devices are based on the position data of a radiofrequency transmitter using a Wireless Sensor Network (WSN). Spatially separated sensor scan measure the signal from the transmitter and estimate its location using parameters such as Time Of Arrival (ToA), Time Difference Of Arrival (TDOA), Received Signal Strength (RSS) or Direction Of Arrival (DOA). However, certain obstacles in the environment can cause reflection, diffraction, or scattering of the signal. This so called multipath effect affects the measurements for the precise location of the transmitter. Previous studies have discarded multipath information and have not considered it valuable for locating the transmitter. Some studies used ray tracing (RT) to create position fingerprints, without reference measurements, in a simulated scenario. Others tested this concept with real measurement data, but this proved to be a more cumbersome method due to practical problems in the outdoor environment. This thesis exploits the concept of Channel Impulse Response (CIR) to address the problem of precision in outdoor localization environments affected by multipath. The study aims to fill the research gap by combining multipath information from simulation with real measurements in a machine learning framework. The research question was whether the localization could be improved by combining real measurements with simulations. We propose a method that uses the multipath fingerprint information from RT simulation with reference transmitters to improve the location estimation. To validate the effectiveness of the proposed method, we implemented a TDoA location system enhanced with multipath fingerprints in an outdoor scenario. This thesis investigated suburban and rural areas using well-defined reflective components to characterize the localization multipath pattern. The results confirm the possibility of using multipath effects with real measurements to enhance the localization in outdoor situations. Instead of rejecting the multipath information, we can use them as an additional source of information.

Die präzise Lokalisierung von Hochfrequenz (HF)-Sendern im Außenbereich ist seit einigen Jahren ein wichtiges Forschungsthema in den verschiedensten Bereichen. Heutzutage basieren die Funktionsweisen vieler elektronischer Geräte auf den Positionsdaten eines HF-Senders unter Einsatz eines drahtlosen  Sensornetzwerks  (Wireless  Sensor  Network).  Räumlich  getrennte  Sensoren können  das Signal des Senders messen und seinen Standort mit Parametern wie Ankunftszeit  (Time Of Arrival), Ankunftszeitdifferenz  (Time Difference  Of  Arrival,  TDoA),  empfangene  Signalstärke (Received  Si- gnal Strength) oder Ankunftsrichtung  (Direction Of Arrival) abschätzen. Jedoch können bestimmte Hindernisse  in  der  Umgebung  Reflexion,  Beugung  oder  Streuung  des  Signals
veursachen.  Dieser sogenannte  Mehrwegeffekt  beeinträchtigt  die  Messungen  für  die  präzise Lokalisierung  des  Senders. Frühere  Studien  haben  die  Mehrweginformationen verworfen  und sie  nicht  als  wertvoll  für  die  Lo- kalisierung  des  Senders  angesehen. Einige  Studien verwendeten  Ray-Tracing  (RT),  um  in  einem simulierten  Szenario Positions-Fingerprints, ohne Bezug  zu  realen  Messungen,  zu  erstellen.  Andere wiederum testeten dieses Konzept mit realen Messdaten, was sich jedoch aufgrund der praktischen Probleme im Außenbereich als umständlicheres Verfahren herausstellte.
Diese  Doktorarbeit  befasst  sich  mit  dem  Problem  der  präzisen  Lokalisierung  von
HF-Sendern in  Außenbereichen,  welche  von  Mehrwegeffekten  betroffen  ist,  unter Verwendung  der  Kanalimpul- santwort  (Channel Impulse Response). Die Arbeit zielt darauf ab, die Forschungslücke zu schließen, indem  die  Mehrweginformationen  aus  der Simulation  mit  realen  Messungen  in einem  maschinellen Lernrahmen kombiniert werden. Die Fragestellung war, ob die Lokalisierung durch die Verknüpfung realer Messungen mit Simulationen verbessert werden kann. Wir schlagen eine Methode vor, die die Mehrweg-Fingerprint-Informationen  aus  der  RT-Simulation  mit  Referenzsendern nutzt,  sodass  die Standortbestimmung verbessert werden kann. Um die Wirksamkeit der vorgeschlagenen Methode zu validieren, haben wir ein TDoA Lokalisierungssystem in einem Außenbereich-Szenario implementiert. Im Rahmen dieser Dissertation untersuchten wir vorstädtische
und ländliche Gebiete unter Verwen- dung von wohldefinierten reflektierenden Komponenten zur Charakterisierung des Mehrwegmusters. Die Ergebnisse bestätigen die Möglichkeit, Mehrwegeffekte mit realen Messdaten zu nutzen, um die Lokalisierung im Außenbereich zu verbessern. Statt die Mehrweginformationen zu verwerfen, können
wir sie konkret nutzen.

Cite

Citation style:
Could not load citation form.

Rights

Use and reproduction:
All rights reserved

Export