Indoor localization techniques for wireless sensor networks

Intérieur Techniques de localisation pour les réseaux de capteurs sans fil

• Auteur / Autrice : Jinze Du
• Direction : Jean-François Diouris, Yide Wang
• Type : Thèse de doctorat
• Discipline(s) : Electronique
• Date : Soutenance le 26/01/2018
• Etablissement(s) : Nantes
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : COMUE : Université Bretagne Loire (2016-2019)
• Partenaire(s) de recherche : Laboratoire : Institut d'Électronique et de Télécommunications (Rennes)
• Jury : Président / Présidente : Jean-Pierre Cances
• Jury : Rapporteur / Rapporteuse : Salah Bourennane, Rodolphe Vauzelle

Mots clés

Mots clés contrôlés

Réseaux de capteurs (technologie)

RSSI (télécommunications)

Mots clés libres

Trilatération

Résumé

Cette thèse traite d’algorithmes de localisation basés sur la mesure du RSSI (Received Signal Strength Indicator) pour des applications intérieures dans des réseaux de capteurs sans fil. L’étude des caractéristiques du RSSI à partir d’un système de localisation expérimental, permet de construire un modèle de canal RSSI de type atténuation lognormale. Pour faire face à la faible précision des distances déduites de RSSI, nous proposons trois nouveaux algorithmes de localisation à l’intérieur des bâtiments basés sur la multilatération et les mesures de RSSI moyennées. Ces algorithmes pondèrent les distances mesurées en fonction de leur fiabilité supposée. Nous développons également, une stratégie d’acquisition et de suivi des paramètres du canal pour la localisation dans des applications où la position est contrainte. Pour estimer les paramètres du modèle de canal, la méthode des moindres carrés moyens (LMS) est associée à une méthode de trilatération. Des critères quantitatifs sont fournis pour garantir l’efficacité de la stratégie de suivi en proposant un compromis entre la résolution de la contrainte et la variation des paramètres du modèle. Les résultats de simulation montrent un bon comportement de la stratégie de poursuite proposée en présence d’une variation spatio-temporelle du canal de propagation. Par rapport aux algorithmes existants, une meilleure précision de localisation est obtenue au prix d’un peu plus de temps de calcul. La stratégie proposée est également testée expérimentalement.

In this thesis, the author focused on RSSI based localization algorithms for indoor applications in wireless sensor networks. Firstly, from the observation of RSSI behavior based on an experimental localization system, an experimental RSSI channel model is deduced, which is consistent to the popular lognormal shadowing path loss model. Secondly, this thesis proposes three indoor localization algorithms based on multilateration and averaged RSSI. In these algorithms, the measured distances are weighted according to their assumed accuracy. Lastly, a RSSI based parameter tracking strategy for constrained position localization is proposed. To estimate channel model parameters, least mean squares method (LMS) is associated with the trilateration method. Quantitative criteria are provided to guarantee the efficiency of the proposed tracking strategy by providing a tradeoff between the constraint resolution and parameter variation. The simulation results show a good behavior of the proposed tracking strategy in presence of space-time variation of the propagation channel. Compared with the existing RSSI based algorithms, the proposed tracking strategy exhibits better localization accuracy but consumes more calculation time. In addition, experimental tracking test is performed to validate the effectiveness of the proposed tracking strategy.