Acoustic localization in mixed environments with line-of-sight and non-line-of-sight

Medientyp: E-Book

Titel: Acoustic localization in mixed environments with line-of-sight and non-line-of-sight

Beteiligte: Bordoy, Joan [Verfasser]; Schindelhauer, Christian [Akademischer Betreuer]

Körperschaft: Albert-Ludwigs-Universität Freiburg, Fakultät für Angewandte Wissenschaften

Erschienen: Freiburg: Universität, 2020

Umfang: Online-Ressource

Sprache: Englisch

DOI: 10.6094/UNIFR/166654

Identifikator:

Schlagwörter: Vision ; Acoustic localization ; Ultraschall ; Nicht-Sichtverbindung ; Lokalisation ; Localization ; Lokalisierung ; Non-line-of-sight ; (local)doctoralThesis

Entstehung:

Hochschulschrift: Dissertation, Universität Freiburg, 2020

Anmerkungen:

Beschreibung: Abstract: This thesis discusses the localization of targets inside buildings by means of acoustic waves. Having static microphones at known positions, a speaker can be located by measuring the time difference of arrival of the sound waves the speaker emitted. The main challenge is to identify which signals travel directly from the speaker to the receivers (line-of-sight) and which signals do it after bouncing to a wall or an obstacle (non-line-of-sight). Mistaking a non-line-of-sight signal by a line-of-sight signal can lead to large localization errors. This is the most remarkable factor which compromises the robustness of a location system. We provide multiple approaches for localization in mixed line-of-sight and non-line-of-sight conditions. First we show how, when a high number of measurements are available, one can use combinations of measurements and analyze the residual error of the estimations in order to identify which signals are in line-of-sight. Our experimental results suggest that this approach achieves a similar error than other approaches which require a certain probabilistic motion model for the target. In certain occasions, the available number of line-of-sight signals is reduced. Then, one must make use of an additional source of information. We show experimentally and with simulations how the information gathered by an inertial measurement unit can be used for mitigating the effect of non-line-of-sight signals in the final estimation. An M-estimation based Kalman filter is used for this purpose. Considering non-line-of-sight measurements as invalid measurements which should be eliminated requires a certain degree of overdetermination in the form of additional sensors or additional line-of-sight signals. However, non-line-of-sight signals carry valuable information about the location of the target that can be used for estimating its position. A reflection from a wall acts like an additional virtual receiver. The main challenge is to know which measurements were reflected by the same wall (i.e. they belong to the same virtual receiver). In order to estimate this, we use a joint probabilistic data association filter. We exploit the fact that the distance between a sender and a receiver changes only slightly during two consecutive measurements. Then, this distance change is much smaller than the distance difference between the reflected signals. After the data association step, one can estimate the positions of the sender and the receivers. In order to initialize the variables, we use a far-field approximation. We assume the distance moved by a sender during a certain time is much smaller than the distance to the receivers. We improve existing far-field algorithms for our specific scenario in order to reduce the number of required receivers and provide a more robust estimation. Then, with simulated and experimental data we show the superiority of our far-field algorithms when the sender moves in a quasi-linear trajectory or the magnitude of the measurement noise is large. Among the non-line-of-sight signals, the signals which are reflected at the ground are of special interest. These reflections carry valuable information about the height of the target. In this thesis we provide a lower bound for the root mean square error and verify experimentally how these reflections can considerably increase the localization precision when the receivers are placed at similar heights. In the previously mentioned approaches a speaker is located every time it emits a signal. This means, the number of speakers that can be located simultaneously is limited, as at a certain point they would interfere with each other or their position would be updated only after a large period of time. By locating a moving receiver and having static speakers as anchor nodes one can locate unlimited targets simultaneously. We explore this possibility by presenting an algorithm which fuses the information encoded in the acoustic signals with the estimated position and velocity of the target in order to locate a receiver with velocities up to 1.8 m/s. The experimental results show how the receiver can be located with a median error of only 5 cm, outperforming previous approaches

Abstract: Diese Arbeit behandelt die Lokalisierung von Zielen in Gebäuden mittels Schallwellen. Mit statischen Mikrofonen an bekannten Positionen kann ein Lautsprecher durch Messen der Ankunftszeitdifferenz (time difference of arrival, TDOA) der vom Lautsprecher ausgesendeten Schallwellen lokalisiert werden. Die größte Herausforderung besteht darin, zu identifizieren, welche Signale direkt vom Lautsprecher zu den Empfängern gelangen (Sichtlinie) und welche Signale von einer Wand oder einem Hindernis reflektieren (Nicht-Sichtlinie). Das Verwechseln eines Signals ohne Sichtverbindung mit einem Signal mit Sichtverbindung kann zu großen Lokalisierungsfehlern führen. Dies ist der schwerwiegendste Faktor, der die Robustheit eines Ortungssystems beeinträchtigt. Wir stellen mehrere Ansätze zur Lokalisierung unter gemischten Sichtlinien- und Nicht-Sichtlinienbedingungen vor. Zunächst zeigen wir, wie man bei einer großen Anzahl von Messungen Messkombinationen verwenden und den Restfehler der Schätzungen analysieren kann, um festzustellen, welche der gemessenen Signale solche mit Sichtverbindung sind. Unsere experimentellen Ergebnisse legen nahe, dass dieser Ansatz einen ähnlichen Fehler erzielt wie andere Ansätze, die ein definiertes probabilistisches Bewegungsmodell für das Ziel erfordern. In bestimmten Fällen ist die verfügbare Anzahl von Sichtliniensignalen reduziert. In diesen Fällen muss eine zusätzliche Informationsquelle genutzt werden. Wir zeigen experimentell und mit Simulationen, wie die von einer Inertial-Messeinheit gesammelten Informationen verwendet werden können, um den Effekt von Signalen ohne Sichtverbindung bei der letztendlichen Schätzung abzuschwächen. Zu diesem Zweck wird ein auf M-Schätzung basierendes Kalman-Filter verwendet. Nicht-Sichtlinienmessungen als ungültige Messungen, die eliminiert werden sollten, zu betrachten, erfordert ein bestimmtes Maß an Überbestimmung in Form zusätzlicher Sensoren oder zusätzlicher Sichtliniensignale. Nicht-Sichtliniensignale enthalten jedoch wertvolle Informationen über den Ort des Ziels, die zur Schätzung seiner Position verwendet werden können. Eine Reflexion an einer Wand wirkt wie ein zusätzlicher virtueller Empfänger. Die größte Herausforderung besteht dabei darin, zu wissen, welche Messungen von derselben Wand reflektiert wurden (und somit zu demselben virtuellen Empfänger gehören). Um dies abzuschätzen, verwenden wir ein Joint Probability Data Association Filter. Wir nutzen die Tatsache, dass sich der Abstand zwischen Sender und Empfänger bei zwei aufeinander folgenden Messungen nur geringfügig ändert. Somit ist diese Abstandsänderung deutlich kleiner als die Abstandsdifferenz zwischen den reflektierten Signalen. Nach dem Schritt der Datenassoziation kann die Positionen des Senders und der Empfänger geschätzt werden. Um die Variablen zu initialisieren, verwenden wir eine Fernfeld-Approximation. Wir gehen davon aus, dass die Entfernung, die ein Sender während einer bestimmten Zeit zurücklegt, deutlich kleiner ist als die Entfernung zu den Empfängern. Wir verbessern existierende Fernfeldalgorithmen für unser spezifisches Szenario, um die Anzahl der erforderlichen Empfänger zu reduzieren und eine robustere Schätzung zu erhalten. Anschließend zeigen wir mit simulierten und experimentellen Daten die Überlegenheit unserer Fernfeldalgorithmen, wenn sich der Sender in einer quasi-linearen Trajektorie bewegt oder das Messrauschen hoch ist. Unter den Nicht-Sichtlinien-Signalen sind die am Boden reflektierten Signale von besonderem Interesse. Diese Reflexionen enthalten wertvolle Informationen über die Höhe des Ziels. In dieser Arbeit geben wir eine Untergrenze für den quadratischen Mittelwertfehler an und überprüfen experimentell, wie diese Reflexionen die Lokalisierungsgenauigkeit erheblich verbessern können, wenn die Empfänger in ähnlichen Höhen platziert werden. Bei den zuvor erwähnten Ansätzen wird ein Lautsprecher jedes Mal geortet, wenn er ein Signal aussendet. Dies bedeutet, dass die Anzahl der Lautsprecher, die gleichzeitig lokalisiert werden können, begrenzt ist, da sie sich ab einer gewissen Grenze gegenseitig stören oder ihre Position erst nach einem langen Zeitraum aktualisiert wird. Durch Lokalisieren eines sich bewegenden Empfängers mit statischen Lautsprechern als Ankerknoten können unbegrenzt viele Ziele gleichzeitig lokalisiert werden. Wir untersuchen diese Möglichkeit, indem wir einen Algorithmus vorstellen, der die in den akustischen Signalen codierten Informationen mit der geschätzten Position und Geschwindigkeit des Ziels verbindet, um einen Empfänger mit Geschwindigkeiten von bis zu 1,8 m/s zu lokalisieren. Die experimentellen Ergebnisse zeigen, wie der Empfänger mit einem Medianfehler von nur 5 cm lokalisiert werden kann, was bisherige Ansätze übertrifft

Zugangsstatus: Freier Zugang

Rechte-/Nutzungshinweise: Urheberrechtsschutz

Nur in Feld suchen:

Zuletzt gesuchte Begriffe: