Positioning in the digital twin - a fidelity comparison using realistic unity-based simulation

Indoor localization remains a complex challenge primarily due to multipath propagation and Non-Line of Sight (NLOS) conditions in cluttered environments. This thesis uses the Digital Twin(DT) framework to model indoor environments, to investigate and compare two localization strategies: a Least Squares (LS) method and an Probabilistic Ray Tracing(PRT) approach that explicitly incorporates environmental geometry and multipath effects . Experimental validation is performed on diverse indoor datasets, with performance assessed using cumulative distribution functions (CDFs) and Circular Error Probable at 95\% confidence (CEP95) metrics. Results demonstrate that while LS performs satisfactorily in obstacle-free environment, it suffers substantial degradation in accuracy under severe NLOS conditions. In contrast, the PRT-based method offers an alternative approach by probabilistically modeling multipath propagation and NLOS scenarios, showing potential for improved robustness and consistency. The study also evaluates different angular sampling techniques within the ray tracing process, including Gaussian and Metropolis-Hastings sampling, highlighting how these strategies affect localization precision and computational efficiency.

La localizzazione indoor rimane una sfida complessa, principalmente a causa della propagazione multipath e delle condizioni di Non-Line of Sight (NLOS) in ambienti affollati. Questa tesi utilizza il framework Digital Twin (DT) per modellare gli ambienti indoor, al fine di analizzare e confrontare due strategie di localizzazione: un metodo dei minimi quadrati (LS) e un approccio di Probabilistic Ray Tracing (PRT) che incorpora esplicitamente la geometria ambientale e gli effetti del multipath. La validazione sperimentale viene eseguita su diversi set di dati indoor, con prestazioni valutate utilizzando funzioni di distribuzione cumulativa (CDF) e parametri di errore circolare probabile al 95\% di confidenza (CEP95). I risultati dimostrano che, sebbene LS offra prestazioni soddisfacenti in ambienti privi di ostacoli, subisce un sostanziale degrado dell'accuratezza in condizioni NLOS severe. Al contrario, il metodo basato su PRT offre un approccio alternativo modellando probabilisticamente la propagazione multipath e gli scenari NLOS, mostrando un potenziale per una maggiore robustezza e coerenza. Lo studio valuta anche diverse tecniche di campionamento angolare all'interno del processo di ray tracing, tra cui il campionamento gaussiano e Metropolis-Hastings, evidenziando come queste strategie influenzino la precisione della localizzazione e l'efficienza computazionale.