Applications of statistical signal processing in mobile terminal localization

• Auteur / Autrice : Konstantinos Papakonstantinou
• Direction : Dirk T. M. Slock, Elsa D. Angelini
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance en 2010
• Etablissement(s) : Paris, Télécom ParisTech

Mots clés

Mots clés contrôlés

Maximum de quasi-vraisemblance (statistique)

Multiplexage par répartition orthogonale de la fréquence

Systèmes à entrées multiples et à sorties multiples

Traitement du signal

Résumé

Dans ce travail nous attaquons au problème de l’estimation de la position d’une station mobile (SM) dans un environnement NLoS. Les méthodes de localisation traditionnelles sont des processus en deux étapes: dans la première étape un ensemble de paramètres qui dépendent de la position du MT (LDP) est estimé. Dans la deuxième étape, la position de la SM est estimée en etrouvant la position qui correspondrait le plus aux paramètres LDP. Nous avons développé un algorithme (4D Unitary ESPRIT) d’estimation de LDP des composantes multi-trajets (MPC), à haute résolution et à faible complexité, pour les systèmes MIMO-OFDM. Pour la deuxième étape de localisation, nous avons développé plusieurs méthodes hybrides. En general, le problème de localisation NLoS n’est toujours pas résolu provient de la difficulté à faire correspondre des estimations de LDP à une position du MT unique. C’est pourquoi nous utilisons le modèle à rebond unique (SBM) ou le modèle SBM dynamique. Les deux avantages énormes des méthodes basées sur le (D)SBM sont la possibilité d’identification même lorsque les estimations des LDP ne sont disponibles que pour 2 MPC et la performance remarquable pour les cas où le canal est plus riche. Enfin, nous avons développé une méthode directe d’estimation de position (DLE) pour les systèmes MIMO-OFDM qui opèrent dans les environnements NLoS. Le DLE estime la position de la SM directement à partir du signal reçu. Une meilleure précision est constatée pour des rapports signal sur bruit faibles à moyens et/ou pour un petit nombre d’échantillons, comme le démontrent nos résultats.

In this work we attack the problem of mobile terminal (MT) location estimation in NLoS environments. Traditional localization methods are 2-step processes: In the 1st step a set of location-dependent parameters (LDP) is estimated. In the 2nd step, the MT location is estimated by finding the position that best fits the LDP estimates. For the 1st step we have developed a high-resolution low-complexity LDP estimation algorithm (4D Unitary ESPRIT) for MIMO-OFDM systems, to estimate the angles of arrival (AoA), the angles of departure (AoD), the delays (ToA) and the Doppler shifts (DS) of the multipath components (MPC). As far as the second step of localization is concerned, we developed several hybrid methods applicable to NLoS environments. In the NLoS localization problem, mapping the LDP estimates to the location of the MT is not trivial. To this end, we utilize static and dynamic geometrical channel models (eg. SBM). The 2 great advantages of the SBM-based methods are the identifiability even for cases when LDP estimates are available for only 2 MPC and the remarkable performance for cases when the channel is richer. Due to these great advantages, we consider SBM-based methods to be an appealing solution for the NLoS localization problem. Moreover, we have developed a direct location estimation (DLE) method for MIMO-OFDM systems. In contrast to traditional methods, DLE estimates the MT location directly from the received signal. Its main advantage is the enhanced accuracy at low to medium signal-to-noise ratio (SNR) and/or with small number of data samples, as demonstrated by our results.