Real-time athlete localization with UWB and machine learning

Accurate real-time localization of athletes is increasingly essential for performance analysis, tactical assessment, and injury prevention in modern sports environments. Although Global Navigation Satellite Systems (GNSS) and optical tracking solutions are widely adopted, they present significant limitations in terms of positioning accuracy, infrastructure cost, and indoor applicability. This thesis investigates the use of Ultra-Wideband (UWB) radio technology, in combination with Machine Learning (ML) techniques, to develop a real-time localization system (RTLS) optimized for dynamic sports scenarios. Specifically, the Time Difference of Arrival (TDoA) method is employed to enable accurate localization of wearable devices (tags) with minimal computational load on the devices themselves. The main contributions of this work include the design and implementation of a complete data acquisition system featuring an intuitive interface for real-time visualization of athlete positions; the enhancement of a traditional TDoA-based localization algorithm through architectural and mathematical improvements; and the proposal and evaluation of ML-based models capable of estimating tag positions. Additionally, several hardware and communication improvements have been introduced to enhance system scalability, reduce packet loss, and support both indoor and outdoor deployments. Experimental results show that the proposed approach enables reliable real-time performance and good localization accuracy, even in complex sports scenarios.

La localizzazione accurata in tempo reale degli atleti è sempre più essenziale per l'analisi delle prestazioni, la valutazione tattica e la prevenzione degli infortuni negli ambienti sportivi moderni. Sebbene i sistemi di navigazione satellitare globale (GNSS) e le soluzioni di tracciamento ottico siano ampiamente adottati, presentano limiti significativi in termini di precisione di posizionamento, costi infrastrutturali e applicabilità in ambienti interni. Questa tesi esplora l’impiego della tecnologia radio a banda ultra larga (UWB), in combinazione con tecniche di apprendimento automatico (ML), per sviluppare un sistema di localizzazione in tempo reale (RTLS) ottimizzato per scenari sportivi dinamici. In particolare, viene utilizzato il metodo Time Difference of Arrival (TDoA) per consentire una localizzazione precisa dei dispositivi indossabili (tag) con un carico computazionale minimo a bordo. I contributi principali di questo lavoro includono: la progettazione e implementazione di un sistema completo di acquisizione dati, dotato di un’interfaccia intuitiva per la visualizzazione in tempo reale delle posizioni degli atleti; il perfezionamento di un algoritmo di localizzazione TDoA tradizionale attraverso miglioramenti architetturali e matematici; e la proposta e valutazione di modelli ML capaci di stimare le posizioni dei tag. Sono inoltre stati introdotti diversi miglioramenti hardware e di comunicazione per aumentare la scalabilità del sistema, ridurre la perdita di pacchetti e supportare implementazioni sia in ambienti interni che esterni. I risultati sperimentali evidenziano che l’approccio proposto consente di ottenere prestazioni affidabili e una buona accuratezza di localizzazione in tempo reale, anche in contesti sportivi complessi.