• inerziale
• localizzazione
• pedoni
• radio
• tracking

Questa tesi tratta la localizzazione (ovvero le tecniche di posizionamento) e il tracking di oggetti sensorizzati (ad esempio, un pallet in un magazzino equipaggiato con un dispositivo radio oppure un pedone dotato di sensore di misurazione inerziale).

Nell'ultima decade, i servizi di posizionamento satellitare (Global Navigation Satellite Systems (GNSS)), come il GPS, hanno reso possibile lo sviluppo di una moltitudine di nuovi servizi basati sulla posizione (location-based services (LBS)). Tali sistemi tuttavia sono disponibili solo all'aperto, dove gli oggetti sensorizzati riescono a ricevere i segnali trasmessi dai satelliti. In questa tesi varie tecniche di elaborazione dei segnali sono applicate al problema della localizzazione, al fine di estendere la copertura dei sistemi di posizionamento a quelle aree dove il segnale GPS non è ricevibile (ad esempio, negli ambienti indoor, nei cosiddetti “canyon urbani”, nel sottosuolo) tramite tecnologie diverse da quelle usate nei GNSS. Infatti, si prevede che i sistemi di localizzazione futuri incorporeranno varie tecnologie e saranno capaci di selezionare, in ciascun ambiente, la tecnologia migliore per raggiungere una elevata precisione nella stima di posizione. Si prevedono numerosi LBS sia per il mercato commerciale (ad esempio, navigazione indoor assistita, pubblicità basata sulla posizione, assistenza sociale, sistemi di trasporto intelligenti, etc) che per quello militare (ad esempio, tracking continuo della posizione degli alleati, operazioni di ricerca&soccorso, etc). Difatti, si prevede che il mercato globale delle tecnologie per sistemi di localizzazione in tempo reale (real time location systems (RTLS)) ammonterà a più di 60 miliardi di dollari nel 2017.

I sensori considerati in questa dissertazione sono dispositivi radio e unità di misurazione inerziale. Entrambi i tipi di sensori forniscono misure rumorose utili ai RTLS; tuttavia, la natura rumorosa dei segnali che generano rende essenziale l'uso di tecniche statistiche per migliorare la precisione delle stime finali di posizione e solleva anche il problema di determinare la massima precisione ottenibile. Per questo motivo, nella prima parte di questa tesi viene sviluppata una analisi teorica della massima precisione ottenibile nella stima di posizione, nel contesto della teoria della stima. In seguito, vengono proposti modelli statistici per le misure fornite dai sensori considerati e vengono derivati degli algoritmi che sfruttano tali modelli per la localizzazione (ovvero la stima di posizione di oggetti sensorizzati statici) e per la navigazione (ovvero la stima di posizione di oggetti sensorizzati in movimento). In particolare, questa tesi si concentra sulle tecniche di elaborazione del segnali e sui modelli statistici che possono essere adottati per sviluppare soluzioni a basso costo al complesso problema della localizzazione indoor.

Le strategie di localizzazione concepite fanno uso di tecniche allo stato dell'arte e innovative e pongono le basi per LBS futuri. I principali contributi di questa dissertazione sono: a) nuovi risultati sull'impatto della conoscenza della mappa nella stima di posizione, b) modelli statistici accurati per le misure di potenza ricevuta (received signal strength (RSS)) ottenuti da prototipi realizzati per localizzazione di pedoni e c) una nuova tecnica di filtraggio non-lineare, chiamata turbo-filtraggio.

This thesis concerns localization (i.e., positioning) and tracking of sensorized objects (e.g., a pallet stored in a warehouse and equipped with a radio device, or a pedestrian carrying an inertial measurement sensor). In the last decade Global Navigation Satellite Systems (GNSSs), like GPS, made possible the development of a plethora of new location-based services (LBSs). Such systems, however, are available only in open outdoor areas, where sensorized objects are able to receive satellite signals. In this thesis various signal processing techniques are applied to the localization problem to extend the coverage of localization systems to the so-called GPS-denied areas (e.g., indoor environments, urban canyons, underground areas) by using technologies different from GNSSs. Indeed, future localization systems are expected to incorporate multiple technologies and to be able of selecting, in each environment, the best technology to achieve accurate position estimation. Envisioned LBSs concern both commercial (e.g., accurate in-building guidance, location-aware advertising, social care, intelligent transportation systems, etc) and military markets (e.g., continuous tracking of allied forces’ position, search and rescue operations, etc). Indeed, it is envisaged that the global revenues coming from technologies for real time location systems (RTLSs) will amount to more than 6 tens billion dollars in 2017. The sensors considered in this dissertation are radio devices and inertial measurement units. Both types of sensors provide noisy measurements useful for RTLSs; however, the noisy nature of the signals they generate makes essential the use of statistical techniques to improve accuracy of the final position estimates and also raises the problem of determining the maximum achievable accuracy. For this reason, in the first part of this thesis a theoretical analysis of the maximum achievable accuracy in position estimation is developed in the framework of estimation theory. Then, statistical models for the data provided by the considered sensors are proposed and algorithms exploiting such models for localization (i.e., position estimation of static sensorized objects) and navigation (i.e., position estimation of moving sensorized objects) are derived. In particular, this thesis focuses on signal processing techniques and statistical models that can be adopted to develop low-cost solutions to the complex problem of indoor localization. The devised localization strategies make use of innovative and start-of-art techniques and lay the foundations for future LBSs. The main contributions offered by this dissertation are: a) new results about the impact of map-awareness in position estimation, b) accurate statistical models for received signal strength (RSS) measurements acquired from prototypes realized for pedestrian localization, and c) a new non-linear filtering technique, dubbed turbo filtering.