Multi-target multi-frequency device-free localization and tracking

This thesis, from both theoretical and practical content, addressed the problem of passive localization with wireless networks, also known as Device-Free-Localization (DFL). In particular, this problem has been analyzed in the case of the Bayesian multi-target tracking using Particle Filtering (PF) in order to improve the accuracy of location and trace the entire path of the individual target. In recent years, tracking systems have been the subject of interesting studies and the basis for the development of new applications ranging from assisted control in familiar surroundings for security systems such as detecting unauthorized accesses, from the single-user monitoring for control of sliding doors and turnstiles, to regulating road traffic according to the movements of the pedestrian masses. Due to the flexibility in size and the shrinking cost of the devices used for the network and their operations, there has been a large spread of these systems that do not require the active involvement of the target that needs to be localized. This technique estimates the position of the target by analyzing the attenuation and fluctuation introduced by the movements of the target on radio signals (Radio Signal Strength, RSS) exchanged between network nodes. The localization process requires the construction of maps (analytical or synthetic) that provide a statistical description of RSS variations according to the change in the positions of the targets, indicated here as "perturbation maps". An analytical model capable of achieving approximation of maps has been proposed and tested on the basis of an analytical modeling of diffraction generated by the target, thus reducing calibration costs. In this thesis, this model is extended to the case of multi-target positioned on the same link, with the aim of defining the correlation which regulates the effects of most targets. Then, the analysis is extended to multi-frequency device in order to better handle the effects of multipath propagation. This model, which is then compared with the additive model, which its validity has been discussed in many recently published articles, assumes that the effect due to the presence of several targets is equivalent to the sum of the individual effects as if each target is the only target within the analyzer area. Furthermore, an algorithm is created to test the reliability of the various links and to possibly discard the ones that give a negative contribution to the estimated positions. In this thesis, an algorithm of Bayesian tracking with the particle filtering technique to estimate the positions of target has been proposed. Finally, the accuracy of localization by PF is compared with that of three other methods: joint maximum likelihood estimation, successive cancellation and tomographic method.

Questo lavoro di tesi, dai contenuti sia teorici che pratici, ha affrontato il problema della localizzazione passiva di ostacoli/persone (target) con reti wireless, nota anche come Device-Free-Localization (DFL). In particolare, è proposto un sistema di tracciamento multi-target ed è stato analizzato l'utilizzo di dispositive multi-frequenza, ai fini di migliorare l'accuratezza della localizzazione e tracciare l'intero percorso dei singoli target. Negli ultimi anni, i sistemi di localizzazione sono stati oggetto di interessanti studi e la base per lo sviluppo di nuove applicazioni che spaziano dal controllo assistito in ambienti familiari ai sistemi di sicurezza per la rilevazione di accessi non autorizzati, dal monitoraggio del singolo utente per il controllo di porte scorrevoli e tornelli, alla regolazione del traffico stradale secondo i movimenti delle masse pedonali. Grazie alla flessibilità, a dimensioni e costi sempre più ridotti dei dispositivi adoperati per la rete e al loro funzionamento vi è stata una grande diffusione di questi sistemi che non richiedono il coinvolgimento attivo dei target da localizzare. Questa tecnica stima la posizione dei target analizzando l'attenuazione e le fluttuazioni introdotte dai movimenti dei target stessi sui segnali radio (Radio Signal Strength, RSS) scambiati tra i nodi della rete. Il processo di localizzazione richiede la costruzione di mappe (analitiche o sintetiche) che forniscono una descrizione statistica delle variazioni RSS al variare delle posizioni dei target, qui indicate come “mappe di perturbazione”. Un modello analitico capace di approssimare con buoni risultati le mappe è stato proposto e testato sulla base di una modellizzazione analitica della diffrazione generata dal target, riducendo così i costi di calibrazione. In questa tesi, il modello viene esteso a scenari con target multipli posizionati sullo stesso link, con l'obiettivo di definire la correlazione che che regola gli effetti di più target. Successivamente, tale modello viene anche esteso al caso multi-frequenza per valutare gli effetti di multi-cammino generati dagli ostacoli presenti nei dintorni e dai target stessi posizionati lungo il link. Questo modello, viene poi confrontato con il modello additivo, la cui validità è stata oggetto di discussione in molti articoli recentemente pubblicati. Esso assume che l'effetto dovuto alla presenza di più target equivale alla somma dei singoli effetti considerando ciascun target come l'unico all'interno dell'area di analisi. Inoltre, viene proposto un algoritmo per testare l'affidabilità dei diversi collegamenti ed eventualmente scartare quelli che danno un contributo negativo alla stima delle posizioni. Il sistema di tracciamento proposto si basa sulla tecnica bayesiana del particle filtering per stimare la posizione dei target a partire dalle mappe di perturbazione. Le mappe sono state valutate sperimentalmente con campagne di calibrazione (fingerprinting) o analiticamente con i modelli sopra descritti. Infine, l'accuratezza della localizzazione ottenuta con la tecnica di tracciamento e' stata valutata su dati reali, confrontando le prestazioni con quelle di altri tre metodi: stima a massima verosimiglianza congiunta, cancellazione successiva e metodo tomografico. I risultati mostrano che utilizzando il metodo di tracciamento bayesiano vi è un notevole miglioramento in termini di errore di localizzazione.