Localización de múltiples fuentes basada en información de dirección de llegada mediante el uso de la teoría de sensado comprimido de la posición basado en información de dirección de llegada aplicando sensado comprimido a la matriz de covarianza

• Tibisay Sanchez Quintero ^[1] ; Cristina Gómez Santamaría ^[2] ; Roberto Carlos Hincapié Reyes ^[1]
  1. [1] Universidad Pontificia Bolivariana

     Universidad Pontificia Bolivariana

     Colombia

     
  2. [2] Centro para la Cuarta Revolución Industrial de Colombia
• Localización: Tecnura: Tecnología y Cultura Afirmando el Conocimiento, ISSN-e 2248-7638, ISSN 0123-921X, Vol. 25, Nº. 67, 2021, págs. 40-52
• Idioma: español
• Títulos paralelos:
  • Location Estimation of Multiple Sources Based on Direction of Arrival Applying Compressed Sensing Theory
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Contexto:

    Los algoritmos de dirección de llegada han sido ampliamente utilizados en los sistemas de posicionamiento; sin embargo, tienen restricciones importantes con respecto a la estacionariedad espacial y temporal de las fuentes, y la correlación entre estas y el ruido. Ahora bien, el problema de la localización, por su naturaleza, se puede considerar como disperso, razón por la cual es posible aplicar la teoría de sensado comprimido y reconstrucción dispersa para estimar la posición de fuentes no colaborativas.

    Método:

    En este trabajo se simula un sistema compuesto por varios nodos de referencia (RN, por su sigla en inglés) que comparten información con una entidad central denominada centro de fusión (FC, por su sigla en inglés), en la cual se llevará a cabo la estimación final de posición de varias fuentes no colaborativas. El proceso se divide en dos etapas: offline y online. En la primera, cada RN construye un diccionario que contiene la matriz de covarianza del factor de arreglo de antenas para cada una de las posibles posiciones de transmisión. Por su parte, en la etapa online se realiza la estimación de la posición, en la cual cada RN recibe la señal de las fuentes activas y calcula una versión comprimida de la matriz de covarianza de la señal recibida. Luego se realiza la estimación de la posición de las fuentes dentro del área de interés mediante el algoritmo OMP para la reconstrucción dispersa.

    Resultados:

    Los resultados muestran el desempeño del sistema en términos de precisión en la estimación de la posición, cuando se varían parámetros como la cantidad de sensores activos, el ruido del sistema y la tasa de compresión empleada en la matriz de sensado. El peor resultado se da cuando hay dos fuentes en el sistema y se obtiene un error cercano a los 4,5 metros; mientras que cuando solo existe una fuente, el error promedio del sistema es cercano a los 0,14 metros. Finalmente, el costo computacional del sistema disminuye cuando se incrementa la tasa de compresión empleada, debido a que el tamaño de las matrices empleadas disminuye.

    Conclusiones:

    El método propuesto proporciona alta precisión en la estimación, sin tener problemas con las restricciones en los requerimientos de estacionariedad espacial y temporal presentes en los algoritmos tradicionales de dirección de llegada, además de las condiciones de correlación entre las fuentes y el ruido.

    Financiamiento:

    MinCiencias Colombia y Universidad Pontificia Bolivariana.

  • English

    Objective:

    Diction of arrival algorithms have been widely used in positioning systems. However, they have important restrictions to take into account in terms of spatial and temporal stationary requirements between the sources and correlation proprieties between them and the noise. Nevertheless, due to its nature the localization problem could be posed like a sparse reconstruction problem, and is possible to apply the compressive sensing and sparse reconstruction theory to estimate the position of several non-collaborative sources. Besides, considering a joint estimation system as we propose in this work, is possible to exploit both inter and intra-correlation signal aiming to improve the accuracy estimation.

    Methodology:

    In this work we simulate a localization system composed by several reference nodes (RN) which share information with a central entity named fusion center (FC) where the target estimation will take place. The process is divides in two stages: offline and online. In the first one we discretize the region of interest (ROI) in K candidates position where the sources could be located. Each RN builds its own dictionary that contains the covariance matrix of the steering vector for each cell into the grid. In the online stage, the target position estimation is performed. To do so, each RN receives the signal from the sources and calculates the compressed version of the covariance matrix, which is sent to the FC. In the FC the orthogonal matching pursuit (OMP) is performed to estimate the target coordinates inside the ROI.

    Results:

    The results show the system performance in terms of accuracy in the position estimation when parameters like number of sensors, system’s noise and compression rate in the measurement matrix are varied.

    Conclusions:

    The proposed method provides high accuracy in the estimation without restricting requirements on the spatial and temporal stationery and correlation properties of the sources and the noise, which are common in traditional direction of arrival algorithms.

    Financing:

    Miniciencias Colombia and Pontificia Bolivariana University.