Time of Arrival Based Infrastructureless Human - ETH E

Diss. ETH No. 23262
Time of Arrival Based
Infrastructureless Human Posture
Capturing System
A dissertation submitted to the
ETH ZURICH
for the degree of
Doctor of Sciences
presented by
ZEMENE WALLE MEKONNEN
Master of Science, University of Kassel
born January 19, 1986
citizen of Ethiopia
accepted on the recommendation of
Prof. Dr. Armin Wittneben, examiner
Prof. Dr. sc. techn. Dirk Dahlhaus, co-examiner
2016
Abstract
Human posture capturing systems have a wide range of applications in the fields ranging
from clinical medicine to sports and entertainment. In this thesis, a time-of-arrival
(TOA) based human posture capturing system is proposed and studied. The key
advantages of the proposed system compared to existing commercially available human
posture capturing systems are simplicity, low-cost and independence from external
infrastructure.
In the first part of the thesis, the proposed human posture capturing system setup,
which is based on ultra-wideband (UWB) communication technology, is presented. To
exploit the potential of UWB communication technology, a highly asymmetric system
that consists of three types of radio nodes is considered: ultra-low complexity and
ultra-low power transmit-only agent nodes, low-complexity relay nodes called anchors
and a cluster head. Such a highly asymmetric system, among others, implies that it is
practically infeasible to synchronize the clocks of all the radio nodes in the system. We
present a TOA measurement model that takes into account the offsets of the clocks
between the radio nodes. Furthermore, a possible non-line-of-sight (NLOS) situation
between the agents and the anchors, due to occlusion of different body parts, leads to a
TOA measurement with unknown positive bias. To cope with this problem, we propose
a method to identify NLOS and discard the corresponding TOA measurements, which
is based on the likelihood ratio test of the received signal features (e.g. signal to noise
ratio).
In the second part of the thesis, the problem of TOA based human posture capturing
is abstracted to the general problem of wireless sensor network localization problem.
The maximum likelihood (ML) solution of the localization problem that takes into
account the clock asynchronicity of the agents and their position constraints (e.g. due
to the kinematic constraint of the body) is shown to be a non-convex optimization
problem. To deal with this problem, we propose a two-step localization method. In the
first step, the ML estimator is relaxed to a semi-definite programming (SDP) problem
by applying convex relaxation techniques. The SDP problem can be efficiently solved
i
Abstract
by readily available optimization toolboxes. Then in the second step, the solution of
the SDP problem is refined by the ML estimator. The proposed localization method is
also extended to take into account the position uncertainty of the anchors, e.g. due to
the movement of the body and calibration errors. To enable system operation without
relying on external infrastructure, and hence unleash ubiquitous use, we propose a
simple and cost effective calibration method that reuses the localization system itself.
In the third part of the thesis, the proposed localization and calibration methods
are applied and analyzed for the specific setup of human posture capturing. The performance evaluations provide key insights about the tradeoffs that are involved when
choosing system parameters, such as system complexity, accuracy, and computational
complexity. Furthermore, the localization and calibration methods are evaluated using measurement hardware that practically demonstrates the proposed human posture
capturing system.
The thesis concludes with the summary of the main findings of the project and an
outlook on future research topics in the area of TOA based human posture capturing.
ii
Kurzfassung
Systeme zur Erfassung der Körperhaltung, im Folgenden Human Posture Capturing genannt, haben breite Anwendungsmöglichkeiten in der klinischen Medizin, im
Sport und in der Unterhaltung. In dieser Arbeit entwickeln und analysieren wir ein
solches Human-Posture-Capturing-System, das auf Time-of-Arrival (TOA) Schätzungen basiert. Einfachheit, niedrige Kosten und Unabhängigkeit von externer Infrastruktur bilden dabei die wichtigsten Vorteile des vorgeschlagenen Systems gegenüber
herkömmlichen und kommerziell erhältlichen Alternativen.
Im ersten Teil dieser Arbeit wird der Aufbau des Human-Posture-Capturing-Systems
präsentiert. Dieses basiert auf der Ultra-Wideband (UWB) Kommunikationstechnologie. Um die Möglichkeiten von UWB voll auszuschöpfen, betrachten wir drei verschiedene Typen von Übertragungsknoten: Sendeknoten von sehr geringer Komplexität sowie sehr niedriger Sendeleistung, Relayknoten (auch Ankerknoten genannt) von
geringer Komplexität, sowie einem Clusterhead, der höhere Komplexität aufweisen
kann. Ein solch hoch asymmetrisches System impliziert unter anderem, dass es praktisch unmöglich ist, die verschiedenen Knoten im System zu synchronisieren. Zu
diesem Zweck entwickeln wir ein TOA-Mess-Modell, das Taktverschiebungen zwischen
den einzelnen Knoten berücksichtigt. Zusätzlich können die TOA-Messwerte einen
unbekannten positiven Bias aufweisen, z.B. bei Übertragungen ohne Sichtverbindung
(non-line-of-sight (NLOS)), wenn einzelne Körperteile verdeckt sind. Um auch diesem
Problem gerecht zu werden, schlagen wir eine Methode vor, welche NLOS Situationen
identifiziert, womit die zugehörigen TOA-Messungen verworfen werden können. Die
Identifizierung erfolgt dabei mittels eines Likelihood-Ratio-Tests von Signalmerkmalen
wie z.B. dem Störabstand.
Im zweiten Teil dieser Dissertation abstrahieren wir das TOA basierte HumanPosture-Capturing-System und formulieren ein allgemeingültiges Lokalisierungsproblem in drahtlosen Sensornetzwerken, das die Taktasynchronität sowie Bedingungen die
aus der Körperhaltung folgen (z.B. kinematische Bedingungen) berücksichtigt. Dieses
Lokalisierungsproblem kann mit einer Maximum-Likelihood-Schätzung (ML) gelöst
iii
Kurzfassung
werden. Wir zeigen jedoch, dass das mathematische Optimierungsproblem nicht konvex
ist, was eine effiziente Lösung erschwert. Um dieses Problem zu lösen, schlagen wir eine
Lokalisierungsmethode in zwei Schritten vor. Im ersten Schritt wird die ML-Schätzung
mit einer konvexen Relaxation in ein semidefinites Programmierungsproblem (SDP)
umgewandelt. Das SDP-Problem kann dann mit herkömmlichen Optimierungsverfahren effizient gelöst werden. In einem zweiten Schritt wird die Lösung des SDPProblems mit dem ML-Schätzer verfeinert. Die vorgeschlagene Lokalisierungsmethode erweitern wir danach so, dass auch Positionsunsicherheiten an den Ankerknoten
(beispielsweise durch Bewegungen des Körpers oder durch Kalibrierungsfehler hervorgerufen) mitberücksichtigt werden können. Damit das System ohne Hilfe externer
Infrastruktur betrieben und somit jederzeit und überall eingesetzt werden kann, entwickeln wir eine einfache und kosteneffektive Kalibrierungsmethode, welche durch das
Lokalisierungssystem selbst vorgenommen wird.
Die vorgeschlagenen Lokalisierungs- und Kalibrierungsmethoden werden dann im
dritten Teil der Arbeit anhand spezifischer Human-Posture-Capturing-Situationen
eingesetzt und analysiert. Durch die Auswertungen erhalten wir wichtige Einblicke
in die Leistungsfähigkeit des Systems, sowie in die Wechselwirkungen verschiedener
Aspekte wie Komplexität, Genauigkeit oder Rechenaufwand und diskutieren den Einfluss verschiedener Systemparameter auf diese Grössen. Anhand Hardware-Messungen
demonstrieren und evaluieren wir schliesslich die Lokalisierungs- und Kalibrierungsverfahren an einem praktischen Human-Posture-Capturing-System.
Die Arbeit schliessen wir mit einer Diskussion der wichtigsten Resultate des Projektes
ab und geben einen Ausblick über zukünftige Forschungsschwerpunkte im Gebiet der
TOA basierten Human-Posture-Capturing-Systeme.
iv

Download Report