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.
Nutzung und Vervielfältigung:
Alle Rechte vorbehalten