Enhancing indoor location fingerprinting using channel state information

par Luan Chen

Thèse de doctorat en Génie informatique, automatique et traitement du signal. Radiocommunications

Sous la direction de Didier Le Ruyet.

Le président du jury était Bruce Denby.

Le jury était composé de Iness Ahriz, Hong Sun, Geneviève Baudoin.

Les rapporteurs étaient Jean-Pierre Cances, Rémy Boyer.

  • Titre traduit

    Contributions aux techniques de localisation indoor par empreinte radio exploitant les informations des canaux


  • Résumé

    Grâce au développement rapide des communications sans fil, la localisation par empreinte digitale (LF) a favorisé des services géodépendants considérables dans le domaine de l’Internet des objets. Dans cette thèse, nous avons d’abord proposé le système EntLoc, qui adopte l’entropie de modélisation autorégressive (AR) de l’amplitude des informations d’état de canal (CSI) comme empreinte digitale de localisation. Il partage la simplicité structurelle de la force du signal reçu (RSS) tout en réservant les informations de canal statistique les plus spécifiques à l’emplacement. De plus, un système AngLoc amélioré est égalementconçu, dont l’empreinte digitale d’angle d’arrivée (AoA) supplémentaire peut être récupérée avec précision de la phase CSI grâce à un algorithme amélioré basé sur le sous-espace, qui sert à éliminer davantage les candidats au point de référence(RP) sujets aux erreurs. Dans la phase LF en ligne, en exploitant à la fois les informations d’amplitude et de phase CSI, un nouveau schéma de régression par noyau bivarié est proposé pour déduire précisément l’emplacement de la cible. Lesrésultats d’expériences approfondies en intérieur valident la performance de localisation supérieure de notre système proposé par rapport aux approches précédentes.


  • Résumé

    With expeditious development of wireless communications, Location Fingerprinting (LF) has nurtured considerable indoor location based services in the field of Internet of Things. In this thesis, we first proposed EntLoc system, which adopts Autoregressive (AR) modeling entropy of the Channel State Information (CSI) amplitude as location fingerprint. It shares the structural simplicity of the Received Signal Strength (RSS) while reserving the most location-specific statistical channel information. Moreover, an upgraded AngLoc system is further designed, whose additional angle of arrival (AoA) fingerprint can be accurately retrieved from CSI phase through an enhanced subspace based algorithm, which serves to further eliminate the error-prone Reference Point (RP) candidates. In the LF online phase, by exploiting both CSI amplitude and phase information, a novel bivariate kernel regression scheme is proposed to precisely infer the target’s location. Results from extensive indoor experiments validate the superior localization performance of our proposed system over previous approaches.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Conservatoire national des arts et métiers (Paris). Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.