Estudio de Sistemas y Técnicas de Posicionamiento en Interiores (Traducción)

Hui Liu, Student Member, IEEE, Houshang Darabi, Member, IEEE, Pat Banerjee, and Jing Liu

Abstract

Los sistemas de posicionamiento inalámbricos de interior se han vuelto muy populares en los últimos años. Estos sistemas han sido utilizados exitosamente en muchas aplicaciones como el seguimiento de activos y la gestión de inventarios.Este artículo ofrece una visión del estado actual de los sistemas de posicionamiento inalámbricos de interior e intenta clasificar las diferentes técnicas y sistemas. Se analizan los tres típicos esquemas de estimación de ubicación, triangulación, análisis de escena, y proximidad. También se discute la ubicación mediante huellas digitales (fingerprinting) en detalle ya que se usa en la mayoría de los sistemas y soluciones actuales. A continuación examinamos un conjunto de propiedades por las cuales se evalúan los sistemas de localización, y se aplica este método de evaluación para analizar una serie de sistemas existentes. Son presentadas una completa comparación general de rendimiento, incluyendo exactitud, precisión, complejidad, escalabilidad, robustez, y coste

Palabras Claves: Sensado de localización indoor ubicación por huellas digitales, algoritmo de posicionamiento, radiofrecuencia (RF), localización inalámbrica.

Introducción

Los sistemas de detección de localización indoor se han vuelto muy populares en los últimos años. Estos sistemas proporcionan una nueva capa de automatización llamada detección automática de localización de objetos. Las aplicaciones en el mundo real dependiendo del tipo de automatización son muchas. Por nombrar algunas, se puede considerar la detección de la ubicación de los productos almacenados en una bodega, detección de ubicación de personal médico o de equipamiento en un hospital, la detección de la ubicación de los bomberos en una edificio en llamas, la detección de la ubicación de los perros policías entrenados para encontrar explosivos en un edificio, y la búsqueda de herramientas de mantenimiento etiquetadas y equipo disperso por toda una planta. Los principales avances en el desarrollo de los sistemas de detección de localización de interior se han realizado durante los últimos diez años. Por lo tanto, la investigación y los productos comerciales en esta área son nuevos, y muchas personas del mundo académico y la industria están actualmente involucradas en la investigación y el desarrollo de estos sistemas. Este paper introductorio tiene como objetivo proporcionar al lector una revisión exhaustiva de los sistemas de detección de localización inalámbrica para aplicaciones en interiores. Cuando es posible, se realiza una comparación de las técnicas y sistemas relacionados. Los autores esperan que este documento sirva como guía para los investigadores, usuarios y desarrolladores de estos sistemas, y ayudarles a identificar los potenciales problemas de investigación y futuros productos a desarrollar en esta emergente área

Un crecimiento asombroso de los sistemas inalámbricos se ha visto en los últimos años. Las tecnologías inalámbricas han entrado en el ámbito de aplicaciones de consumo, como son las áreas médicas, industriales, de seguridad pública, logística y sistemas de transporte, entre muchas otras. Autoorganización de redes de sensores, localización de facturación sensible, la computación ubicua, los servicios de información dependientes del contexto, seguimiento y orientación, son algunas de las numerosas posibles áreas de aplicación. Dado que el acceso a la información inalámbrica esta actualmente ampliamente disponible, hay una gran demanda en la precisión del posicionamiento en redes inalámbricas, incluyendo tanto ambientes interiores como exteriores [1], [2]. El proceso de determinar una ubicación es llamado de detección de localización, geolocalización, localización de posición, o radiolocalización, si utiliza tecnologías inalámbricas.

Diferentes aplicaciones pueden requerir diferentes tipos de información de localización. Los tipos principales discutidos en este documento son la localización física, localización simbólica, localización absoluta y relativa [1]. La localización física se expresa en forma de coordenadas, que permitan identificar a un punto en el mapa 2D/3D.  Los sistemas de coordenadas más utilizados son el de grados, minutos y segundos (DMS), minutos de grado decimal y el sistema trasversal de mercado universal (UTM). La localización simbólica expresa la ubicación de un lugar en una forma de lenguaje natural, como en la oficina, en el tercer piso dormitorio, etc. La localización absoluta utiliza un sistema de referencia común para todos los objetos localizados. Una localización relativa depende de su propio marco de referencia. La información de localización relativa se basa generalmente en la proximidad a los puntos de referencia conocidos o estaciones base.

Diversas tecnologías inalámbricas se utilizan para la localización inalámbrica en interiores. Estas pueden ser clasificadas en función de: 1) Algoritmo de posicionamiento de localización, es decir, el método para determinar la ubicación haciendo uso de varios tipos de medición de la señal, tales como tiempo de vuelo (Time Of Fligth, TOF), el ángulo y la potencia de la señal; 2) La capa física o la infraestructura de sensores de la localización, es decir, la red inalámbrica utilizada para comunicarse con los dispositivos móviles o dispositivos estáticos. En general, las medidas implican la transmisión y recepción de señales entre los componentes de hardware del sistema. Un sistema de posicionamiento de interior inalámbrico consiste en por lo menos dos componentes de hardware: un transmisor de señal y una unidad de medida. Este último por lo general contiene la mayor "inteligencia" del sistema.

Existen cuatro diferentes topologías para los sistemas de posicionamiento [3]. 

La primera es el sistema de posicionamiento remoto, en donde el transmisor de la señal es móvil y varias unidades fijas de medida reciben la señal transmitida. Los resultados de la medición de todas las unidades son recolectados, y la ubicación del transmisor es calculada en un servidor. El segundo es el autoposicionamiento en el que la unidad de medida es móvil. Esta unidad recibe la señal de varios transmisores en lugares conocidos, y tiene la capacidad de calcular su ubicación basada en señales recibidas. Si un enlace de datos inalámbrico es provisto en un sistema de posicionamiento, es posible enviar los resultados de la medición a una unidad de autoposicionamiento remoto. Esto es conocido como posicionamiento remoto indirecto, el cual corresponde a la tercera topología de sistema. Si el resultado de la medida es enviado desde un sistema de posicionamiento remoto a una unidad móvil a través de un enlace de datos inalámbrico, este caso se denomina autoposicionamiento indirecto y corresponde a la cuarta topología de sistema.

Nuestro trabajo es diferente de los documentos previos [1] y [2] de varias maneras. Este trabajo se enfoca en sistemas de posicionamiento inalámbrico para aplicaciones de interior [1] que por lo general sólo describen los sistemas de localización para computación ubicua, sin tener en cuenta los diferentes tipos de algoritmos de localización, especialmente de métodos de localización inalámbrica. Además, el documento [2] presenta un ligero retraso sobre la visión general de las tecnologías para las soluciones localización inalámbrica indoor, y no ofrece muchos detalles acerca de ellas y las referencias de rendimiento para el sistema de posicionamiento inalámbrico indoor. La fecha de publicación de este trabajo es de 2002, y desde entonces varios sistemas y soluciones inalámbricos de posicionamiento indoor se han desarrollado. En este trabajo presentamos los últimos sistemas y soluciones desarrolladas, y sus algoritmos de localización. Nuestro propósito principal es proporcionar una visión cualitativa de ellos. Cuando es posible, ofrecemos también una comparación cuantitativa de estos sistemas o soluciones.

Este trabajo de revisión se organiza de la siguiente manera. La sección II muestra los principios de medición para la detección de localización, y los algoritmos correspondientes a los diferentes principios de medición. Los parámetros de rendimiento para las técnicas de posicionamiento en interiores se explican en la Sección III. La Sección IV presenta las actuales soluciones y sistemas de posicionamiento inalámbrico indoor y una comparación de sus rendimientos. Por último, la sección V concluye el documento y presenta las posibles direcciones futuras para la investigación sobre los sistemas de posicionamiento inalámbrico para ambientes indoor

Principios de medición y algoritmos de posicionamiento

No es fácil modelar la propagación de radio en ambientes de interior debido al multipath, la baja probabilidad de disponibilidad de la línea de visibilidad directa (LOS), y los parámetros específicos del sitio como la disposición del piso, los objetos en movimiento, y numerosas superficies reflectantes. Hasta la fecha, no hay buen modelo de propagación multipath de interior [2]. Excepto usando triangulación tradicional, algoritmos de posicionamiento mediante análisis de escena o de proximidad han sido desarrollado para mitigar los errores de medición. Orientado a diferentes aplicaciones o servicios, estos tres algoritmos tienen ventajas y desventajas únicas. Por lo tanto, usando más de un tipo de algoritmo de posicionamiento, podemos obtener al mismo tiempo mejores rendimientos.

A. Triangulación

La triangulación utiliza las propiedades geométricas de los triángulos para estimar la localización del objetivo. Cuenta con dos derivaciones: lateración y angulación. La lateración estima la posición de un objeto midiendo sus distancias desde múltiples puntos de referencia. Por lo tanto, también se conoce como técnica de rango de medición. En lugar de medir la distancia directamente usando RSS (Received Signal Strenght), TOA (Time Of Arrival) o TDOA (Time Difference Of Arrival) como normalmente se haría, la distancia se obtiene mediante el cálculo de la atenuación de la intensidad de la señal emitida, o multiplicando el radio de la velocidad de la señal y el tiempo de viaje.  RTOF (Roundtrip Time Of Fligth). El método fase de la señal recibida también es utilizado para una estimación de rango en algunos sistemas.

La angulación localiza un objeto calculando los ángulos relativos en relación a múltiples puntos de referencia. En este trabajo nos centramos en las medidas mencionadas en el corto alcance, bajo la antena, y un medio ambiente de interior.

Fig. 1. Posicionamiento basado en medidas TOA/RTOF

1) Técnica de Lateración:

a) TOA: La distancia desde el objetivo móvil a la unidad de medida es directamente proporcional al tiempo de propagación. A fin de permitir la localización 2D, las mediciones TOA deben ser realizadas con respecto a las señales de al menos tres puntos de referencia, como se muestra en la figura. 1 [4]. Para los sistemas basados en TOA, se mide el tiempo de propagación de ida y la distancia entre la unidad de medición y el transmisor de la señal. En general, una medición TOA directa conlleva dos problemas. En primer lugar, todos los transmisores y receptores en el sistema deben estar precisamente sincronizados.  En segundo lugar, una marca de tiempo debe ser etiquetada en la señal de transmisión para que la unidad de medición pueda discernir la distancia recorrida por la señal. TOA se puede medir usando diferentes técnicas de señalización, como DSSS (Direct Sequence Spread Spectrum) [22], [23] o mediciones UWB (Ultra Wide Band) [78].

Un enfoque sencillo utiliza un método geométrico para calcular los puntos de intersección de los círculos de TOA. La posición del objetivo también se puede calcular mediante la minimización de la suma decuadrados de una función no lineal de costos, es decir, algoritmo de mínimos cuadrados [4], [5]. 

Existen otros algoritmos de localización en interiores basado en TOA tales como CN (Closest-Neighbor) y RWGH (Residual Weighting) [5]. El algoritmo CN estima la localización del usuario como la ubicación de la estación base o punto de referencia más cercano. El algoritmo RWGH puede básicamente ser visto como una forma de algoritmo ponderado de los mínimos cuadrados. Es conveniente para condiciones de canal LOS, N-LOS y LOS/N-LOS.

Fig. 2. Posicionamiento basado en medidas TDOA

b) TDOA: La idea de TDOA es determinar la posición relativa del móvil transmisor examinando las diferencias de tiempo de arribo de la señal en múltiples medidas, en lugar de un tiempo absoluto como en TOA. Para cada medida en TDOA el transmisor debe estar en una hipérbola con un rango de diferencia constante entre dos unidades de medida. La ecuación de la hipérbola está dada por

Salvo las solución exacta a la ecuación hiperbólica TDOA se mostrada en (3) a través de regresión no lineal, una solución más fácil es linealizar las ecuaciones mediante el uso de una serie de Taylor expandida y la creación de un algoritmo iterativo [6]. Una ubicación de destino en 2D puede estimarse a partir de dos intersecciones de dos o más mediciones TDOA, como se muestra en la figura. 2. Dos hipérbolas se forman a partir de mediciones TDOA de tres unidades fijas de medición (A, B y C) para proporcionar un punto de intersección, lo que sitúa el objetivo P.

Fig. 3. Posicionamiento basado en RSS, donde LS1, LS2 y LS3 representan la pérdida por trayectoria

Los métodos convencionales para el cálculo de las estimaciones TDOA son el uso de técnicas de correlación. TDOA puede estimarse a partir de la correlación cruzada entre las señales recibidas de un par de unidades de medida.

Salvo los métodos TDOA anteriores, un método TDOA basada en la medición, del retardo se propuso en [23] por 802. 11 WLAN, el cual elimina el requisito de la sincronización inicial.

c) Método Basado en RSS (o de Atenuación de Señal): Estos dos sistemas tienen algunas desventajas. Para ambientes interiores, es difícil encontrar un canal LOS entre el transmisor y el receptor. La propagación de radio en estos entornos sufriría efectos multipath. El tiempo y el ángulo de arribo de la señal se verían afectadas por el efecto multipath, por lo que la exactitud de la ubicación podría verse disminuida. Un enfoque alternativo consiste en estimar la distancia de la unidad móvil a partir de un conjunto de unidades de medida, utilizando la atenuación de la intensidad de la señal emitida. Los métodos basados en la atenuación de la señal intentan calcular la pérdida de trayecto de la señal debido a la propagación. Los modelos teóricos y empíricos se utilizan para traducir la diferencia entre la intensidad de la señal transmitida y la señal recibida dentro de un rango estimado como se muestra en la Fig. 3.

Debido a los múltiples desvanecimientos multipath y sombras presentes en un ambiente interior, los modelos de pérdida de trayectoria, no siempre se cumplen. Los parámetros utilizados en estos modelos son específicos. La exactitud de este método se puede mejorar mediante la utilización de contornos premedidos de RSS centrado en el receptor [7] o múltiples medidas de varias estaciones bases. Un algoritmo de lógica difusa [8] es capaz de mejorar significativamente la precisión de localización mediante la medición de RSS.

d) RTOF: Este método consiste en medir el tiempo de vuelo de la señal que viaja desde el transmisor a la unidad de medida y viceversa, llamado RTOF (ver Fig. 1.). 

Para RTOF, un menor requerimiento relativo de sincronización del reloj es requerido en relación a TOA. Su mecanismo de medición es el mismo que el de TOA. La unidad de medida se considera como un radar común. Un transponder objetivo responde a la señal de radar de interrogación, y el tiempo de propagación de ida y vuelta esta dado por las unidades de medida. Sin embargo, sigue siendo difícil para la unidad de medida conocer el retardo exacto tiempo/procesamiento causado por la respuesta en este caso. 

En los sistemas de medio y largo alcance, este retraso puede ser ignorado si es pequeño, comparado con el tiempo de transmisión. Sin embargo, para sistemas de corto alcance, no puede ser ignorado. Un enfoque alternativo es usar el concepto de reflexión modulada [9] adecuado sólo para sistemas de corto alcance. Un algoritmo para medidas RTOF en WLAN se presenta en [10] con resultados de medida de error de unos pocos metros. Los algoritmos de posicionamiento para TOA pueden ser directamente aplicados a RTOF.

Fig. 4. Posicionamiento basado en la fase de la señal

Fig. 6. Posicionamiento basado en medidas AOA

e) Método de Fase de la Seña Recibida: El método de fase de la señal recibida utiliza la fase portadora (o diferencia de fase) para estimar el rango.  Este método también se conoce como la fase de llegada (Phase Of Arrival, POA) [2]. Suponiendo que todas las estaciones que transmiten emiten señales sinusoidales puras en una misma frecuencia f, con cero desfase, con el fin de determinar las fases de las señales recibidas en un punto de objetivo, la señal de transmisión de cada transmisor al receptor necesita un retardo de tránsito finito. En la figura. 4, la estaciones transmisoras A hasta D se colocan en determinados lugares, dentro de un edificio cúbico imaginario. 

El receptor puede medir diferencias de fase entre dos señales transmitidas por pares de estaciones, y los sistemas de posicionamiento y son capaces de adoptar el uso de algoritmos de medición TDOA para localizar el de destino. Para un sistema de posicionamiento en interiores, es posible utilizar el método de fase de la señal junto con el TOA/TDOA o RSS método para afinar el posicionamiento de la localización. Sin embargo, el método de la señal de fase tiene un problema en las mediciones de fase de superar.  Se necesita una señal de LOS de otra forma causara mayores errores en un ambiente de interior.

2) Técnicas de Angulación (Estimación AOA): En AOA la ubicación del objetivo se puede encontrar por la intersección de varios pares de líneas en ángulo, cada uno formado por el radio circular de una estación base o una estación de faro para el móvil de destino.

La ventaja de AOA es que una estimación de la posición se puede determinar con tan sólo tres unidades de medida para el posicionamiento en 3D o dos unidades de medida para el posicionamiento en 2D, y que no se requiere ninguna sincronización de tiempo entre las unidades de medición. Las desventajas incluyen el requerimiento de hardware relativamente grande y complejos, y la degradación al estimar la localización cuando el móvil de destino se mueve más rápido que las unidades de medida. 

Para posicionamientos precisos la medida de los ángulos debe ser precisa, pero las mediciones de alta precisión en las redes inalámbricas pueden estar limitadas por sombras y multipath que llegan de direcciones engañosas, o por la directividad de la medición. Algunas referencias bibliográficas se refieren a AOA como DOA (Direction of Arrival). Para discusiones más detalladas sobre los algoritmos de estimación de AOA, y sus propiedades, ver [11] – [13].

B. Análisis de Escena

El análisis de escena basado en RF se refiere al tipo de algoritmos que primero reúne características (huellas digitales) de una escena y luego estiman la ubicación de un objeto, haciendo coincidir las mediciones en línea con la ubicación identificada más cercana definida a priori. La localización basada en RSS de una posición identificada se utiliza comúnmente en el análisis de escena. El emplazamiento a través de huellas digitales se refiere a las técnicas que hacen coincidir estas huellas con alguna característica de la señal que es dependiente de su ubicación. Hay dos etapas para la localización a través de huellas digitales: etapa offline y la etapa online (o fase de ejecución). Durante la etapa offline una revisión del ambiente del lugar se lleva a cabo. Las coordenadas de localización/etiquetas y su respectiva intensidad de señal medidas de las estaciones base son recolectadas. Durante la etapa en línea, una técnica de localización de posicionamiento utiliza la intensidad de la señal comúnmente observada y recogida con anterioridad para estimar una posición. El principal reto de las técnicas basadas en la ubicación por huellas digitales es que la intensidad de la señal podría verse afectada por la difracción, reflexión y difusión debido a la propagación en interiores.

Hasta el momento existen por lo menos cinco algoritmos de posicionamiento por huellas digitales utilizando la técnica de reconocimiento de patrones: métodos probabilísticos, método k-Nearest Neighbor (kNN), redes neuronales, Support Vector Machine (SVM), y el más pequeño M-vertex Polygon (SMP).

1) Métodos Probabilísticos: Este método considera el posicionamiento como un problema de clasificación.

Además del enfoque de histograma, el enfoque del núcleo es utilizado en el cálculo de probabilidad. Si se asume que la probabilidad de cada ubicación posible es una distribución de Gauss, la media y la desviación estándar de cada posible ubicación puede ser calculada. Si las unidades de medida en el ambiente son independientes, se puede calcular la probabilidad general de ubicación posible multiplicando directamente las probabilidades de todas las unidades de medida. Por lo tanto, la probabilidad de cada posible ubicación se puede calcular a partir de la intensidad de la señal observada durante la etapa online, y la ubicación estimada tiene que ser decidida por la regla de decisión anterior. Sin embargo, esto sólo es aplicable para las ubicaciones posibles discretas. Las unidades móviles podrían estar situadas en cualquier posición, no sólo en los puntos discretos.

Otras técnicas de modelamiento probabilístico para aplicaciones basadas en reconocimiento y sensibles a la posición y aplicaciones sensibles a la localización en las redes inalámbricas pueden referirse a cuestiones pragmáticas e importantes como la calibración, el aprendizaje activo, la estimación de error, y el historial de seguimiento. De esta forma las redes Bayesianas y/o el posicionamiento por seguimiento asistido han sido propuestas [48].

2) kNN: El promedio kNN utiliza el RSS en línea para buscar las k coincidencias más cercanas o ubicaciones conocidas en el espacio de la señal desde la base de datos previamente construida de acuerdo al principio de la raíz cuadrada media. Al promediar estas k ubicaciones candidatas, adoptando o no las distancias en el espacio de señal como factor una ubicación estimada se obtiene a través de un kNN ponderado o no ponderado. En este enfoque, k es el parámetro adaptado para un mejor rendimiento.

3) Redes Neuronales: Durante la etapa offline, RSS y la las correspondientes coordenadas de localización se adoptan como las entradas y los objetivos para propósitos de entrenamiento. Después de entrenar una red neuronal, se obtienen sus pesos adecuados. Por lo general, una red perceptrón multicapas (MLP) junto con una capa oculta son usadas para los sistemas de posicionamiento basados en de las redes neuronales. El vector de entrada de intensidad de señal se multiplica por el peso de entrada de la matriz entrenada, y luego es sumado con el sesgo de la capa de entrada si así es elegido. El resultado es puesto en la función de transferencia de la capa neuronal oculta. La salida de esta función de transferencia se multiplica por el peso de entrada de la matriz entrenada de capa oculta, y luego es sumado el sesgo de entrada de la capa oculta si así es determinado. La salida del sistema es un vector de dos elementos o tres elementos, lo que significa una localización estimada en 2D o 3D respectivamente.

4) SVM: SVM es una nueva y prometedora técnica para clasificación de datos y regresión. Es una herramienta para el análisis estadístico y máquina de aprendizaje, y se comporta muy bien en muchas aplicaciones de clasificación y regresión. Sams se han utilizado extensamente para una amplia gama de aplicaciones en ciencia, medicina, e ingeniería con un excelente rendimiento empírico [15], [16]. La teoría de la SVM se encuentra en [17] y [18]. Soporte para clasificación de vectores (SVC) de varias clases y soporte para regresión de vectores (SVR) han sido utilizados exitosamente en el posicionamiento por huellas digitales [19], [20].

5) SNP: SNP utiliza los valores de RSS en línea para la búsqueda de ubicaciones candidatas en el espacio de la señal con respecto a cada emisor de señales por separado. Polígonos de M-vértices se forman para la elección de por lo menos un candidato para cada transmisor (suponiendo un total de M transmisores). Promediando las coordenadas de los vértices del polígono más pequeños (que tiene el menor perímetro) se obtiene la ubicación estimada. SNP ha sido utilizado en MultiLoc [74].

C. Proximidad

Los algoritmos de proximidad proporcionan información de ubicación simbólica relativa.Por lo general, se basa en una densa red de antenas, cada una en una posición bien conocida. Cuando un objetivo móvil es detectado por una sola antena, se considera como colocalizado a ella. Cuando más de una antena detecta el objetivo móvil, este se considera colocalizado al receptor que detecta mayor intensidad de señal. Este método es relativamente sencillo de implementar. Puede ser aplicado en diferentes tipos de medios físicos. En particular, los sistemas que utilizan la radiación infrarroja (IR) e identificación por radiofrecuencia (RFID) están basados en este método. Otros ejemplos son el método de la identificación de celda (Cell-ID) o de celdas de origen (COO). Este método se basa en el hecho de que las redes celulares móviles pueden identificar la posición aproximada de un teléfono móvil al saber que sitio celular el dispositivo está utilizando en un momento dado. El principal beneficio del método Cell-ID es que ya está implementado hoy en día y es soportado por todos los teléfonos móviles.

Parámetros de desempeño

No es suficiente para medir el rendimiento de una técnica de posicionamiento sólo mediante la observación de su exactitud. Al referirse a [21] y teniendo en cuenta la diferencia entre geolocalización inalámbrica de interior y exterior, ofrecemos la siguiente evaluación comparativa de rendimiento para sistemas de localización inalámbrica en interiores: exactitud, precisión, complejidad, escalabilidad, robustez y coste. A partir de esto, hacemos una comparación entre los diferentes sistemas y soluciones en la Sección IV.

A. Exactitud

La exactitud (o error de localización) es el requisito más importante de los sistemas de posicionamiento. Por lo general, el error medio de distancia es usado como parámetro de rendimiento, que es el promedio Euclidiano de distancia entre la posición estimada y la verdadera. La exactitud puede ser considerada como una posible tendencia, o un efecto sistemático de desplazamiento de un sistema de posicionamiento. Cuanto mayor sea la exactitud, mejor el sistema, sin embargo, hay a menudo una solución de compromiso entre la exactitud y otras características. Algunos compromisos entre la "adecuada" exactitud y otras características son necesarios.

B. Precisión 

La precisión sólo tiene en cuenta el valor de los errores de distancia medios. Sin embargo, la precisión de la localización considera cómo constantemente el sistema de trabaja, es decir, se trata de una medida de la solidez de la técnica de posición, ya que revela la variación en su desempeño sobre muchas pruebas.

Tenemos referencia que algunas literaturas definen la precisión de localización como la desviación estándar en el error de ubicación o la dilución geométrica de la precisión (GDoP), pero preferimos asociarla como la distribución del error de distancia entre la ubicación estimada y la verdadera.

Por lo general, las funciones de probabilidad acumulativa (CDF) del error de distancia se utilizan para medir la precisión de un sistema. Cuando dos técnicas de posicionamiento se comparan, si sus exactitudes son las mismos, preferimos el sistema con un gráfico CDF, que alcance altos valores de probabilidad más rápido, debido a su error de distancia se concentra en los valores más pequeños. En la práctica, CDF es descrito como un formato de percentiles. Por ejemplo, un sistema tiene una precisión de localización de 90% dentro de 2,3 m (CDF de error de distancia de 2,3 m es 0,9), y 95% dentro de 3,5 m, y otro, tiene un precisión de 50% dentro de 2,3 m y 95% en 3,3 m. Deberíamos elegir el primer sistema, debido a su mayor precisión.

C. Complejidad La complejidad de un sistema de posicionamiento se puede atribuir al hardware, software y factores de operación. En este trabajo, hacemos hincapié en la complejidad del software, es decir, la complejidad de cómputo del algoritmo de posicionamiento. Si el cálculo del algoritmo de posición se ejecuta en un servidor centralizado, el posicionamiento se podría calcular rápidamente debido a las poderosas capacidades de procesamiento y el suficiente suministro de energía. Si se lleva a cabo en el lado de la unidad móvil, los efectos de la complejidad pueden ser evidentes. La mayoría de las unidades móviles carecen de poder de procesamiento suficiente y duración de la batería muy larga, así que, nosotros preferiríamos algoritmos de posicionamiento de baja complejidad. Por lo general, es difícil obtener la complejidad analítica de la fórmula de las diferentes técnicas de posicionamiento, por lo tanto el tiempo de cálculo debe ser considerado. La tasa de localización es un importante indicador de la complejidad. El doble de la tasa de localización es el retraso, que es el retardo entre un objetivo móvil que se desplaza a una nueva posición y reportando la nueva posición por el sistema.

D. Robustez

Una técnica de posicionamiento con gran robustez podría funcionar normalmente, incluso cuando algunas señales no están disponibles, o cuando parte del valor de RSS o ángulo característico nunca se hayan visto. A veces, la señal de un transmisor está totalmente bloqueada, por lo que la señal no puede ser obtenida por algunas unidades de medida. La única información para estimar la ubicación de la señal es a través de otras unidades de medida. A veces, algunas unidades de medida podrían estar fuera de la servicio o dañados en un medio ambiente hostil. Las técnicas de posicionamiento tienen que utilizar esta información incompleta para calcular la ubicación.

E. Escalabilidad

La característica de escalabilidad de un sistema asegura la función de posicionamiento normal cuando el alcance de posicionamiento se hace mayor. Por lo general, el rendimiento se degrada cuando la distancia de posicionamiento entre el transmisor y el receptor aumenta. Un sistema de localización puede necesitar escalar en dos sentidos: geografía y densidad. La escala geográfica significa que área o volumen es cubierto. La densidad significa el número de unidades ubicadas por unidad geográfica área o espacio por período de tiempo. A medida que más superficie/espacio es cubierta o unidades se hacinan en un área o espacio, los canales de la señal inalámbrica pueden presentar congestión, requerir más cálculo para realizar la localización, o requerir más infraestructura de comunicación. Otra medida de la escalabilidad es el espacio dimensional del sistema. El sistema actual puede localizar objetos en espacios 2D o 3D. Algunos sistemas pueden soportar tanto 2D como 3D.

F. Coste

El coste de un sistema de posicionamiento puede depender de muchos factores. Los factores importantes incluyen dinero, tiempo, espacio, peso y energía. El factor tiempo está relacionado con la instalación y mantenimiento. Las unidades móviles pueden tener espacio reducido y las limitaciones de peso. La densidad de la unidad de medida se considera un costo del espacio. A veces, tenemos que considerar algunos de los costos escondidos. Por ejemplo, un sistema posicionamiento montado sobre en una red inalámbrica puede considerarse sin costos de hardware, si todas las unidades necesarias de esa red ya han sido adquiridos para otros fines. La energía es un importante factor de coste de un sistema. Algunas unidades móviles (por ejemplo, la vigilancia electrónica de artículos (EAS) y las etiquetas RFID pasivas, que se abordarán mas adelante) son completamente pasivas de energía. Estas unidades sólo responden a campos externos y, por tanto, podrían tener una vida útil ilimitada. Otras unidades móviles (por ejemplo, dispositivos con batería recargable) tienen una duración de varias horas sin recarga.

Estudio de sistemas y soluciones

Una vez identificados los principios de medida común, Los algoritmos de posicionamiento y las métricas de rendimiento importantes de los sistemas de posicionamiento de localización, podemos hablar de sistemas específicos.

Hay dos enfoques básicos para el diseño de sistemas de geolocalización inalámbricos. El primer enfoque es desarrollar un sistema de señalización y una infraestructura de red de medida de localización centrada principalmente en aplicaciones de localización inalámbrica. El segundo enfoque consiste en utilizar una infraestructura existente de red inalámbrica para localizar un objetivo. La ventaja del primer enfoque es que los diseñadores son capaces de controlar las especificaciones físicas y, en consecuencia, la calidad de resultados de las ubicaciones detectadas. La etiqueta con el destino puede ser concebido como un pequeño portátil, etiqueta o autoadhesivo, y la densidad del sensor se puede ajustar para los requerimientos de exactitud de posicionamiento. La ventaja del segundo enfoque es que evita el despliegue costoso y el largo consumo de tiempo requerido para el despliegue de la infraestructura. Estos sistemas, sin embargo, pueden requerir utilizar algoritmos más inteligentes para compensar la baja exactitud de los indicadores medidos. 

Fig.6. Sistemas de Posicionamiento inalámbricos

Existen varios tipos de tecnologías inalámbricas utilizadas para la localización en interiores. La Fig. 6 representa una rígida descripción de los actuales sistemas de posicionamiento inalámbricos, basada en una versión modificada de [24, fig. 2]. Está más allá del alcance de este paper proporcionar una visión completa de los sistemas disponibles hasta ahora. Nos centramos en los sistemas de posicionamiento móvil principalmente para situaciones interiores. Hay algunos enfoques para el estudio de sistemas de posicionamiento indoor, tales como entornos de aplicación (posicionamiento 2D/3D en oficinas, almacenes, etc), los algoritmos de posicionamiento, y las tecnologías inalámbricas. En este paper se utiliza el esquema de las tecnologías inalámbricas, también indicando sus algoritmos de posicionamiento y su situación de aplicación.

A. Basados en GPS

El Sistema de Posicionamiento Global (GPS), o su complemento diferencial DGPS [25], es una de los más exitosos sistemas de posicionamiento en entornos al aire libre. Sin embargo, la baja cobertura de señal de satélite para ambientes interiores disminuye su precisióny lo hace inadecuado para la estimación de localización en interiores.

SnapTrack, una empresa de Qualcomm, pionera en el GPS inalámbrico asistido (A-GPS) para superar las limitaciones de GPS, y proporcionar una técnica GPS indoor con una media de exactitud de 5-50 m en la mayoría de los ambientes interiores. La tecnología A-GPS utiliza un servidor de localización con un receptor GPS de referencia que puede al mismo tiempo detectar los mismos satélites que el receptor móvil inalámbrico para ayudar a los receptores GPS parciales a encontrar señales GPS débiles. El dispositivo inalámbrico recoge medidas tanto de la constelación GPS como de la red móvil inalámbrica.  Estas medidas se combinan en el servidor de localización para producir una estimación de la posición.

Recientemente, Atmel2 y U-blox3 anunciaron la disponibilidad de una nueva tecnología de seguimiento de señales GPS débiles, llamada SuperSense. Con este nuevo software GPS, la navegación GPS es posible en la construcción de interiores y profundos cañones urbanos, debido a su sensibilidad de seguimiento más allá de -158 dBm. Su rendimiento no ha sido registrado hasta el momento.

Locata Corporation ha inventado una nueva tecnología de posicionamiento llamado Locata [26], para posicionamiento de precisión tanto indoor como en ambientes exteriores. Parte de la "Tecnología Locata" consiste en un transceptor pseudolite sincronizado en tiempo llamado LocataLite. Una red de LocataLites forma un LocataNet, que transmite señales tipo GPS para permitir el posicionamiento de un solo punto con el uso de medidas de portadora en fase para un dispositivo móvil (un Locata). El grupo SNAP (Satellite Navigation And Positioning) y la Universidad de New South Wales han colaborado en la elaboración de un Locata y realizado las pruebas de la nueva tecnología. Los experimentos de prueba demostraron y comprobaron el concepto de la "tecnología Locata", y muestran que el posicionamiento de punto por portadora de fase (sin módem de radio enlaces de datos) es posible con precisión de subcentímetros [26].

B. RFID

RFID es un medio de almacenamiento y recuperación de datos a través de transmisión electromagnética a un circuito integrado de radiofrecuencia compatible, y ahora está siendo visto como un medio para mejorar el manejo de procesos [27]. Un sistema RFID tiene varios componentes básicos, incluyendo un número de lectores RFID, etiquetas RFID, y la comunicación entre ellos. El lector RFID es capaz de leer los datos emitidos por las etiquetas RFID. Los lectores y etiquetas RFID utilizan protocolos de RF definidas para transmitir y recibir datos. Las etiquetas RFID son clasificadas como de forma pasiva o activa.