Localization using UAV

The localization of user equipment (UE) has been extensively studied. It is widely known that with techniques such as triangulation, multi-lateration, multi-angulation the UE can be localized using the base stations (BS) as beacons these techniques may be used. Most of the population have on the cellphones the Global Positioning System (GPS), that will also allow the user to know its exact position. But these techniques cannot be used for recovering the position of mobile devices in each condition. For example, the arising question could be: what happens when the communications are down to either a terrorist attack or a natural disaster? How can the public safety servers localize both the victims and the terrorists? The public safety servers should be able to respond quickly in these events. Some of them might be predictable and act in anticipation in order to minimize the number of victims, but some other cases as terrorist attacks cannot be predicted and endanger the life of many people. For these cases it is quite important to act as fast as possible and at the same time try to minimize all the risks. Thus, seems reasonable that many researchers have tried to find a solution to this problem. One of the proposed solutions was the use of unmanned aerial vehicles (UAV). The usage of the UAV arises the problem of the localization of the own UAV, for this reason the UAV position is always going to be assumed. This is done to simplify the calculations and because the GPS might be used as it is a satellite system of localization so there are assumed that these communications are up. Besides a lot more have been researched in localizing the UAV rather than using them as a tool to localize UE or other targets, for these reasons is why it was decided to be assumed. Localization algorithms may use different parameters in order to compute the estimated position of the target: the ones related to the case of multi-lateration techniques are time of arrival (TOA) or time difference of arrival (TDOA), angle of arrival (AOA) and the signal strength (RSS). As the targets to be localized are going to be UE the first option has been selected for the case of study. The localization algorithms are quite different depending on the different scenarios that are going to be studied. The possible scenarios for localization are indoors and outdoors. The first case, which is quite interesting, can be not feasible for the purpose of localizing the targets by means of UAVs and here we are considering the outdoor scenario. One important thing to take into account when trying to do the localization with UAV is that they are not all necessarily on the same horizontal plane, and the altitude of the UAVs may be object of an optimization according to the covered area and required accuracy. The algorithms for estimating the position of a target are divided into geometric and the statistical ones. The first ones are quite intuitive whereas the second one has a better accuracy. The reason for one to be called geometric is due to the fact that the estimation of the position can be done by the intersection of either lines (AOA), circles (TOA/RSS) , hyperbolas (TDOA); in this group the non-linear squares (NLS) is included. These are non-probabilistic techniques. The statistical case is motivated by the use of some noise statistical characteristics. When dealing with weak received signals, the statistical methods are preferred. The statistical case can be divided into two groups, the Bayesian estimators and the non-Bayesian estimators where the Maximum Likelihood (ML) estimator is included.

La localizzazione dei dispositivi degli utenti (UE) è stata ampiamente studiata. È risaputo che con tecniche quali triangolazione, multi-lateration, multi-angolazione, gli UE possono essere localizzati usando le stazioni base (BS) come punti di riferimento (beacons). La maggior parte della popolazione ha sul cellulare il Global Positioning System (GPS), che permette anche all'utente di conoscere la sua posizione esatta. Ma queste tecniche non permettono di ottenere le informazioni di posizione di dispositivi mobili in tutte le situazioni. Ad esempio, una domanda sarebbe: cosa succede quando le comunicazioni si interrompono a causa di un attacco terroristico o di un disastro naturale? In che modo la polizia o i carabinieri possono localizzare sia le vittime che i terroristi? Le forze dell’ordine dovrebbero essere in grado di rispondere rapidamente a questi eventi. Alcuni di questi eventi potrebbero essere addirittura prevedibili e si potrebbe agire in anticipo per ridurre al minimo il numero delle vittime ma altre circostanze come gli attacchi terroristici non possono essere previste e mettono in pericolo la vita di molte persone. In questi casi è molto importante agire più velocemente possibile e allo stesso tempo cercare di ridurre al minimo tutti i rischi. Pertanto, sembra ragionevole che molti ricercatori abbiano cercato di trovare una soluzione a questo problema e una delle soluzioni proposte è l'uso di unmanned aerial vehicles (UAV). L'uso dell'UAV pone il problema della localizzazione dello stesso UAV, informazione che verrà sempre assunta disponibile grazie al GPS. Diversamente, qui siamo interessati allo studio si come utilizzare uno o più UAV per loca lizzare gli UE o a ltri obiettivi. Gli algoritmi di localizzazione possono utilizzare parametri diversi per calcolare la posizione stimata del target. Quella che verrà utilizzata è relativa alle tecniche “multi lateration”: time of arrival (TOA) o time diff erence of arrival (TDOA), angle of arrival (AOA) e intensità del segnale (RSS). Poiché gli obiettivi da localizzare saranno UE, la prima opzione è stata selezionata per il caso di studio. Gli algoritmi di localizzazione sono diversi in relazione ai diversi scenari che verra nno studiati. I possibili scenari di localizzazione sono indoor e outdoor. Il primo caso, per quanto interessante, non è sempre fattibile al fine di localizzare gli obiettivi nelle condizioni di intervento di UAV in una zona di emergenza e il nostro riferi mento sarà la localizzazione outdoor. Un fattore importante da tenere in considerazione quando si esegue la localizzazione con UAV è che non tutti gli UAV sono necessariamente sullo stesso piano orizzontale e anzi l’altezza degli UAV potr ebbe essere ottmiz zata in base all’area da coprire e alle prestazioni richieste. Gli algoritmi per stimare la posizione di un target sono divisi in geometrici e statistici. I primi sono Gli algoritmi per stimare la posizione di un target sono divisi in geometrici e statistici. I primi sono abbastanza intuitivi mentre i secondi sono più precisi ma più complabbastanza intuitivi mentre i secondi sono più precisi ma più complessi. Il motivo peressi. Il motivo per cui si chiamano cui si chiamano geometrici è dovuto al fatto che la stima della posizione può essere effettuata dall'intersezione delle geometrici è dovuto al fatto che la stima della posizione può essere effettuata dall'intersezione delle linee (AOA), cerchi (TOA / RSS), iperbole (TDOA) e nel caso in cui vi sia fusione di dati, possono linee (AOA), cerchi (TOA / RSS), iperbole (TDOA) e nel caso in cui vi sia fusione di dati, possono apparire diversiapparire diversi tipi di curve; in qtipi di curve; in questo gruppo sono inclusi gli algoritmi nonuesto gruppo sono inclusi gli algoritmi non--linear squares (NLS). Per linear squares (NLS). Per quanto riguarda il caso statistico, questo si basa sull’uso di alcune caratteristiche statistiche del quanto riguarda il caso statistico, questo si basa sull’uso di alcune caratteristiche statistiche del rumore. Quando si ha a che fare con bassi livelli di potenza delrumore. Quando si ha a che fare con bassi livelli di potenza del segnale ricevuto, ssegnale ricevuto, si preferiscono i i preferiscono i metodi statistici in quanto si considera il rumore che potrebbe essere introdotto nel canale. Il caso metodi statistici in quanto si considera il rumore che potrebbe essere introdotto nel canale. Il caso statistico può essere diviso in due gruppi, gli stimatori Bayesiani e gli stimatori non Bayesiani e in statistico può essere diviso in due gruppi, gli stimatori Bayesiani e gli stimatori non Bayesiani e in questi ultimi questi ultimi è compreso lo stimatè compreso lo stimatore di massima verosimiglianza (ML).ore di massima verosimiglianza (ML).