Estudio de Sistemas y Técnicas de Posicionamiento en Interiores (Traducción)

Hui Liu, Student Member, IEEE,
Houshang Darabi, Member, IEEE, Pat Banerjee, and Jing
Liu

Abstract

Los sistemas de posicionamiento
inalámbricos de interior se han vuelto muy populares en
los últimos años. Estos sistemas han sido
utilizados exitosamente en muchas aplicaciones como el
seguimiento de activos y la gestión de inventarios.Este
artículo ofrece una visión del estado actual de los
sistemas de posicionamiento inalámbricos de interior e
intenta clasificar las diferentes técnicas y
sistemas. Se analizan los tres típicos esquemas de
estimación de ubicación, triangulación,
análisis de escena, y proximidad. También se
discute la ubicación mediante huellas digitales
(fingerprinting) en detalle ya que se usa en la mayoría de
los sistemas y soluciones actuales. A continuación
examinamos un conjunto de propiedades por las cuales se
evalúan los sistemas de localización, y se aplica
este método de evaluación para analizar una serie
de sistemas existentes. Son presentadas una completa
comparación general de rendimiento, incluyendo exactitud,
precisión, complejidad, escalabilidad, robustez, y
coste

Palabras Claves: Sensado de localización
indoor ubicación por huellas digitales, algoritmo de
posicionamiento, radiofrecuencia (RF), localización
inalámbrica.

Introducción

Los sistemas de detección de localización
indoor se han vuelto muy populares en los últimos
años. Estos sistemas proporcionan una nueva capa de
automatización llamada detección automática
de localización de objetos. Las aplicaciones en el
mundo real dependiendo del tipo de automatización son
muchas. Por nombrar algunas, se puede considerar la
detección de la ubicación de los productos
almacenados en una bodega, detección de ubicación
de personal médico o de equipamiento en un hospital, la
detección de la ubicación de los bomberos en una
edificio en llamas, la detección de la ubicación de
los perros policías entrenados para encontrar explosivos
en un edificio, y la búsqueda de herramientas de
mantenimiento etiquetadas y equipo disperso por toda una planta.
Los principales avances en el desarrollo de los sistemas de
detección de localización de interior se han
realizado durante los últimos diez años. Por
lo tanto, la investigación y los productos comerciales en
esta área son nuevos, y muchas personas del mundo
académico y la industria están actualmente
involucradas en la investigación y el desarrollo de estos
sistemas. Este paper introductorio tiene como objetivo
proporcionar al lector una revisión exhaustiva de los
sistemas de detección de localización
inalámbrica para aplicaciones en interiores. Cuando es
posible, se realiza una comparación de las técnicas
y sistemas relacionados. Los autores esperan que este
documento sirva como guía para los investigadores,
usuarios y desarrolladores de estos sistemas, y ayudarles a
identificar los potenciales problemas de investigación y
futuros productos a desarrollar en esta emergente
área

Un crecimiento asombroso de los sistemas
inalámbricos se ha visto en los últimos
años. Las tecnologías inalámbricas han
entrado en el ámbito de aplicaciones de consumo, como son
las áreas médicas, industriales, de seguridad
pública, logística y sistemas de transporte, entre
muchas otras. Autoorganización de redes de sensores,
localización de facturación sensible, la
computación ubicua, los servicios de información
dependientes del contexto, seguimiento y orientación, son
algunas de las numerosas posibles áreas de
aplicación. Dado que el acceso a la
información inalámbrica esta actualmente
ampliamente disponible, hay una gran demanda en la
precisión del posicionamiento en redes
inalámbricas, incluyendo tanto ambientes interiores como
exteriores [1], [2]. El proceso de determinar una
ubicación es llamado de detección de
localización, geolocalización, localización
de posición, o radiolocalización, si utiliza
tecnologías inalámbricas.

Diferentes aplicaciones pueden requerir diferentes tipos
de información de localización. Los tipos
principales discutidos en este documento son la
localización física, localización
simbólica, localización absoluta y relativa
[1]. La localización física se expresa en
forma de coordenadas, que permitan identificar a un punto en el
mapa 2D/3D.  Los sistemas de coordenadas más
utilizados son el de grados, minutos y segundos (DMS), minutos de
grado decimal y el sistema trasversal de mercado universal (UTM).
La localización simbólica expresa la
ubicación de un lugar en una forma de lenguaje natural,
como en la oficina, en el tercer piso dormitorio, etc. La
localización absoluta utiliza un sistema de referencia
común para todos los objetos localizados. Una
localización relativa depende de su propio marco de
referencia. La información de localización relativa
se basa generalmente en la proximidad a los puntos de referencia
conocidos o estaciones base.

Diversas tecnologías inalámbricas se
utilizan para la localización inalámbrica en
interiores. Estas pueden ser clasificadas en función de:
1) Algoritmo de posicionamiento de localización, es decir,
el método para determinar la ubicación haciendo uso
de varios tipos de medición de la señal, tales como
tiempo de vuelo (Time Of Fligth, TOF), el ángulo y la
potencia de la señal; 2) La capa física o la
infraestructura de sensores de la localización, es decir,
la red inalámbrica utilizada para comunicarse con los
dispositivos móviles o dispositivos
estáticos. En general, las medidas implican la
transmisión y recepción de señales entre los
componentes de hardware del sistema. Un sistema de
posicionamiento de interior inalámbrico consiste en por lo
menos dos componentes de hardware: un transmisor de señal
y una unidad de medida. Este último por lo general
contiene la mayor "inteligencia" del sistema.

Existen cuatro diferentes topologías para los
sistemas de posicionamiento [3]. 

La primera es el sistema de posicionamiento remoto, en
donde el transmisor de la señal es móvil y varias
unidades fijas de medida reciben la señal
transmitida. Los resultados de la medición de todas
las unidades son recolectados, y la ubicación del
transmisor es calculada en un servidor. El segundo es el
autoposicionamiento en el que la unidad de medida es
móvil. Esta unidad recibe la señal de varios
transmisores en lugares conocidos, y tiene la capacidad de
calcular su ubicación basada en señales recibidas.
Si un enlace de datos inalámbrico es provisto en un
sistema de posicionamiento, es posible enviar los resultados de
la medición a una unidad de autoposicionamiento remoto.
Esto es conocido como posicionamiento remoto indirecto, el cual
corresponde a la tercera topología de sistema. Si el
resultado de la medida es enviado desde un sistema de
posicionamiento remoto a una unidad móvil a través
de un enlace de datos inalámbrico, este caso se denomina
autoposicionamiento indirecto y corresponde a la cuarta
topología de sistema.

Nuestro trabajo es diferente de los documentos previos
[1] y [2] de varias maneras. Este trabajo se enfoca en
sistemas de posicionamiento inalámbrico para aplicaciones
de interior [1] que por lo general sólo describen los
sistemas de localización para computación ubicua,
sin tener en cuenta los diferentes tipos de algoritmos de
localización, especialmente de métodos de
localización inalámbrica. Además, el
documento [2] presenta un ligero retraso sobre la visión
general de las tecnologías para las soluciones
localización inalámbrica indoor, y no ofrece muchos
detalles acerca de ellas y las referencias de rendimiento para el
sistema de posicionamiento inalámbrico indoor. La fecha de
publicación de este trabajo es de 2002, y desde entonces
varios sistemas y soluciones inalámbricos de
posicionamiento indoor se han desarrollado. En este trabajo
presentamos los últimos sistemas y soluciones
desarrolladas, y sus algoritmos de
localización. Nuestro propósito principal es
proporcionar una visión cualitativa de ellos. Cuando
es posible, ofrecemos también una comparación
cuantitativa de estos sistemas o soluciones.

Este trabajo de revisión se organiza de la
siguiente manera. La sección II muestra los
principios de medición para la detección de
localización, y los algoritmos correspondientes a los
diferentes principios de medición. Los parámetros
de rendimiento para las técnicas de posicionamiento en
interiores se explican en la Sección III. La
Sección IV presenta las actuales soluciones y sistemas de
posicionamiento inalámbrico indoor y una
comparación de sus rendimientos. Por último, la
sección V concluye el documento y presenta las posibles
direcciones futuras para la investigación sobre los
sistemas de posicionamiento inalámbrico para ambientes
indoor

Principios de
medición y algoritmos de posicionamiento

No es fácil modelar la propagación de
radio en ambientes de interior debido al multipath, la baja
probabilidad de disponibilidad de la línea de visibilidad
directa (LOS), y los parámetros específicos del
sitio como la disposición del piso, los objetos en
movimiento, y numerosas superficies reflectantes. Hasta la fecha,
no hay buen modelo de propagación multipath de interior
[2]. Excepto usando triangulación tradicional,
algoritmos de posicionamiento mediante análisis de escena
o de proximidad han sido desarrollado para mitigar los errores de
medición. Orientado a diferentes aplicaciones o
servicios, estos tres algoritmos tienen ventajas y desventajas
únicas. Por lo tanto, usando más de un tipo de
algoritmo de posicionamiento, podemos obtener al mismo tiempo
mejores rendimientos.

A. Triangulación

La triangulación utiliza las propiedades
geométricas de los triángulos para estimar la
localización del objetivo. Cuenta con dos derivaciones:
lateración y angulación. La lateración
estima la posición de un objeto midiendo sus distancias
desde múltiples puntos de referencia. Por lo tanto,
también se conoce como técnica de rango de
medición. En lugar de medir la distancia directamente
usando RSS (Received Signal Strenght), TOA (Time Of Arrival) o
TDOA (Time Difference Of Arrival) como normalmente se
haría, la distancia se obtiene mediante el cálculo
de la atenuación de la intensidad de la señal
emitida, o multiplicando el radio de la velocidad de la
señal y el tiempo de viaje.  RTOF (Roundtrip Time Of
Fligth). El método fase de la señal recibida
también es utilizado para una estimación de rango
en algunos sistemas.

La angulación localiza un objeto calculando los
ángulos relativos en relación a múltiples
puntos de referencia. En este trabajo nos centramos en las
medidas mencionadas en el corto alcance, bajo la antena, y un
medio ambiente de interior.

Fig. 1. Posicionamiento basado en medidas
TOA/RTOF

1) Técnica de
Lateración:

a) TOA: La distancia desde el objetivo
móvil a la unidad de medida es directamente proporcional
al tiempo de propagación. A fin de permitir la
localización 2D, las mediciones TOA deben ser realizadas
con respecto a las señales de al menos tres puntos de
referencia, como se muestra en la figura. 1 [4]. Para
los sistemas basados en TOA, se mide el tiempo de
propagación de ida y la distancia entre la unidad de
medición y el transmisor de la señal. En
general, una medición TOA directa conlleva dos
problemas. En primer lugar, todos los transmisores y
receptores en el sistema deben estar precisamente
sincronizados.  En segundo lugar, una marca de tiempo debe
ser etiquetada en la señal de transmisión para que
la unidad de medición pueda discernir la distancia
recorrida por la señal. TOA se puede medir usando
diferentes técnicas de señalización, como
DSSS (Direct Sequence Spread Spectrum) [22], [23] o mediciones
UWB (Ultra Wide Band) [78].

Un enfoque sencillo utiliza un método
geométrico para calcular los puntos de intersección
de los círculos de TOA. La posición del
objetivo también se puede calcular mediante la
minimización de la suma decuadrados de una función
no lineal de costos, es decir, algoritmo de mínimos
cuadrados [4], [5]. 

Existen otros algoritmos de localización en
interiores basado en TOA tales como CN (Closest-Neighbor) y RWGH
(Residual Weighting) [5]. El algoritmo CN estima la
localización del usuario como la ubicación de la
estación base o punto de referencia más
cercano. El algoritmo RWGH puede básicamente ser
visto como una forma de algoritmo ponderado de los mínimos
cuadrados. Es conveniente para condiciones de canal LOS, N-LOS y
LOS/N-LOS.

Fig. 2. Posicionamiento basado en medidas
TDOA

b) TDOA: La idea de TDOA es determinar la
posición relativa del móvil transmisor examinando
las diferencias de tiempo de arribo de la señal en
múltiples medidas, en lugar de un tiempo absoluto como en
TOA. Para cada medida en TDOA el transmisor debe estar en una
hipérbola con un rango de diferencia constante entre dos
unidades de medida. La ecuación de la
hipérbola está dada por

Salvo las solución exacta a la ecuación
hiperbólica TDOA se mostrada en (3) a través de
regresión no lineal, una solución más
fácil es linealizar las ecuaciones mediante el uso de una
serie de Taylor expandida y la creación de un algoritmo
iterativo [6]. Una ubicación de destino en 2D puede
estimarse a partir de dos intersecciones de dos o más
mediciones TDOA, como se muestra en la figura. 2. Dos
hipérbolas se forman a partir de mediciones TDOA de tres
unidades fijas de medición (A, B y C) para proporcionar un
punto de intersección, lo que sitúa el objetivo
P.

Fig. 3. Posicionamiento basado en RSS,
donde LS1, LS2 y LS3 representan la pérdida por
trayectoria

Los métodos convencionales para el cálculo
de las estimaciones TDOA son el uso de técnicas de
correlación. TDOA puede estimarse a partir de la
correlación cruzada entre las señales recibidas de
un par de unidades de medida.

Salvo los métodos TDOA anteriores, un
método TDOA basada en la medición, del retardo se
propuso en [23] por 802. 11 WLAN, el cual elimina el
requisito de la sincronización inicial.

c) Método Basado en RSS (o de
Atenuación de Señal): Estos dos sistemas
tienen algunas desventajas. Para ambientes interiores, es
difícil encontrar un canal LOS entre el transmisor y el
receptor. La propagación de radio en estos entornos
sufriría efectos multipath. El tiempo y el
ángulo de arribo de la señal se verían
afectadas por el efecto multipath, por lo que la exactitud de la
ubicación podría verse disminuida. Un enfoque
alternativo consiste en estimar la distancia de la unidad
móvil a partir de un conjunto de unidades de medida,
utilizando la atenuación de la intensidad de la
señal emitida. Los métodos basados en la
atenuación de la señal intentan calcular la
pérdida de trayecto de la señal debido a la
propagación. Los modelos teóricos y
empíricos se utilizan para traducir la diferencia entre la
intensidad de la señal transmitida y la señal
recibida dentro de un rango estimado como se muestra en la
Fig. 3.

Debido a los múltiples desvanecimientos multipath
y sombras presentes en un ambiente interior, los modelos de
pérdida de trayectoria, no siempre se cumplen. Los
parámetros utilizados en estos modelos son
específicos. La exactitud de este método se puede
mejorar mediante la utilización de contornos premedidos de
RSS centrado en el receptor [7] o múltiples medidas de
varias estaciones bases. Un algoritmo de lógica difusa [8]
es capaz de mejorar significativamente la precisión de
localización mediante la medición de
RSS.

d) RTOF: Este método consiste en medir
el tiempo de vuelo de la señal que viaja desde el
transmisor a la unidad de medida y viceversa, llamado RTOF (ver
Fig. 1.). 

Para RTOF, un menor requerimiento relativo de
sincronización del reloj es requerido en relación a
TOA. Su mecanismo de medición es el mismo que el de
TOA. La unidad de medida se considera como un radar
común. Un transponder objetivo responde a la
señal de radar de interrogación, y el tiempo de
propagación de ida y vuelta esta dado por las unidades de
medida. Sin embargo, sigue siendo difícil para la unidad
de medida conocer el retardo exacto tiempo/procesamiento causado
por la respuesta en este caso. 

En los sistemas de medio y largo alcance, este retraso
puede ser ignorado si es pequeño, comparado con el tiempo
de transmisión. Sin embargo, para sistemas de corto
alcance, no puede ser ignorado. Un enfoque alternativo es
usar el concepto de reflexión modulada [9] adecuado
sólo para sistemas de corto alcance. Un algoritmo
para medidas RTOF en WLAN se presenta en [10] con resultados de
medida de error de unos pocos metros. Los algoritmos de
posicionamiento para TOA pueden ser directamente aplicados a
RTOF.

Fig. 4. Posicionamiento basado en la fase
de la señal

Fig. 6. Posicionamiento basado en medidas
AOA

e) Método de Fase de la Seña
Recibida: El método de fase de la señal
recibida utiliza la fase portadora (o diferencia de fase) para
estimar el rango.  Este método también se
conoce como la fase de llegada (Phase Of Arrival, POA)
[2]. Suponiendo que todas las estaciones que transmiten
emiten señales sinusoidales puras en una misma frecuencia
f, con cero desfase, con el fin de determinar las fases
de las señales recibidas en un punto de objetivo, la
señal de transmisión de cada transmisor al receptor
necesita un retardo de tránsito finito. En la
figura. 4, la estaciones transmisoras A hasta D se colocan
en determinados lugares, dentro de un edificio cúbico
imaginario. 

El receptor puede medir diferencias de fase entre dos
señales transmitidas por pares de estaciones, y los
sistemas de posicionamiento y son capaces de adoptar el uso de
algoritmos de medición TDOA para localizar el de destino.
Para un sistema de posicionamiento en interiores, es posible
utilizar el método de fase de la señal junto con el
TOA/TDOA o RSS método para afinar el posicionamiento de la
localización. Sin embargo, el método de la
señal de fase tiene un problema en las mediciones de fase
de superar.  Se necesita una señal de LOS de otra
forma causara mayores errores en un ambiente de
interior.

2) Técnicas de Angulación
(Estimación AOA): En AOA la ubicación del
objetivo se puede encontrar por la intersección de varios
pares de líneas en ángulo, cada uno formado por el
radio circular de una estación base o una estación
de faro para el móvil de destino.

La ventaja de AOA es que una estimación de la
posición se puede determinar con tan sólo tres
unidades de medida para el posicionamiento en 3D o dos unidades
de medida para el posicionamiento en 2D, y que no se requiere
ninguna sincronización de tiempo entre las unidades de
medición. Las desventajas incluyen el requerimiento de
hardware relativamente grande y complejos, y la
degradación al estimar la localización cuando el
móvil de destino se mueve más rápido que las
unidades de medida. 

Para posicionamientos precisos la medida de los
ángulos debe ser precisa, pero las mediciones de alta
precisión en las redes inalámbricas pueden estar
limitadas por sombras y multipath que llegan de direcciones
engañosas, o por la directividad de la
medición. Algunas referencias bibliográficas
se refieren a AOA como DOA (Direction of Arrival). Para
discusiones más detalladas sobre los algoritmos de
estimación de AOA, y sus propiedades, ver [11] –
[13].

B. Análisis de
Escena

El análisis de escena basado en RF se refiere al
tipo de algoritmos que primero reúne
características (huellas digitales) de una escena y luego
estiman la ubicación de un objeto, haciendo coincidir las
mediciones en línea con la ubicación identificada
más cercana definida a priori. La localización
basada en RSS de una posición identificada se utiliza
comúnmente en el análisis de escena. El
emplazamiento a través de huellas digitales se refiere a
las técnicas que hacen coincidir estas huellas con alguna
característica de la señal que es dependiente de su
ubicación. Hay dos etapas para la localización a
través de huellas digitales: etapa offline y la etapa
online (o fase de ejecución). Durante la etapa offline una
revisión del ambiente del lugar se lleva a cabo. Las
coordenadas de localización/etiquetas y su respectiva
intensidad de señal medidas de las estaciones base son
recolectadas. Durante la etapa en línea, una
técnica de localización de posicionamiento utiliza
la intensidad de la señal comúnmente observada y
recogida con anterioridad para estimar una posición. El
principal reto de las técnicas basadas en la
ubicación por huellas digitales es que la intensidad de la
señal podría verse afectada por la
difracción, reflexión y difusión debido a la
propagación en interiores.

Hasta el momento existen por lo menos cinco algoritmos
de posicionamiento por huellas digitales utilizando la
técnica de reconocimiento de patrones: métodos
probabilísticos, método k-Nearest Neighbor (kNN),
redes neuronales, Support Vector Machine (SVM), y el más
pequeño M-vertex Polygon (SMP).

1) Métodos Probabilísticos: Este
método considera el posicionamiento como un problema de
clasificación.

Además del enfoque de histograma, el
enfoque del núcleo es utilizado en el cálculo de
probabilidad. Si se asume que la probabilidad de cada
ubicación posible es una distribución de Gauss, la
media y la desviación estándar de cada posible
ubicación puede ser calculada. Si las unidades de medida
en el ambiente son independientes, se puede calcular la
probabilidad general de ubicación posible multiplicando
directamente las probabilidades de todas las unidades de medida.
Por lo tanto, la probabilidad de cada posible ubicación se
puede calcular a partir de la intensidad de la señal
observada durante la etapa online, y la ubicación estimada
tiene que ser decidida por la regla de decisión anterior.
Sin embargo, esto sólo es aplicable para las ubicaciones
posibles discretas. Las unidades móviles
podrían estar situadas en cualquier posición, no
sólo en los puntos discretos.

Otras técnicas de modelamiento
probabilístico para aplicaciones basadas en reconocimiento
y sensibles a la posición y aplicaciones sensibles a la
localización en las redes inalámbricas pueden
referirse a cuestiones pragmáticas e importantes como la
calibración, el aprendizaje activo, la estimación
de error, y el historial de seguimiento. De esta forma las redes
Bayesianas y/o el posicionamiento por seguimiento asistido han
sido propuestas [48].

2) kNN: El promedio kNN utiliza el RSS en
línea para buscar las k coincidencias más
cercanas o ubicaciones conocidas en el espacio de la señal
desde la base de datos previamente construida de acuerdo al
principio de la raíz cuadrada media. Al promediar estas
k ubicaciones candidatas, adoptando o no las distancias
en el espacio de señal como factor una ubicación
estimada se obtiene a través de un kNN ponderado o no
ponderado. En este enfoque, k es el parámetro
adaptado para un mejor rendimiento.

3) Redes Neuronales: Durante la etapa offline,
RSS y la las correspondientes coordenadas de localización
se adoptan como las entradas y los objetivos para
propósitos de entrenamiento. Después de
entrenar una red neuronal, se obtienen sus pesos
adecuados. Por lo general, una red perceptrón
multicapas (MLP) junto con una capa oculta son usadas para los
sistemas de posicionamiento basados en de las redes
neuronales. El vector de entrada de intensidad de
señal se multiplica por el peso de entrada de la matriz
entrenada, y luego es sumado con el sesgo de la capa de entrada
si así es elegido. El resultado es puesto en la
función de transferencia de la capa neuronal oculta. La
salida de esta función de transferencia se multiplica por
el peso de entrada de la matriz entrenada de capa oculta, y luego
es sumado el sesgo de entrada de la capa oculta si así es
determinado. La salida del sistema es un vector de dos elementos
o tres elementos, lo que significa una localización
estimada en 2D o 3D respectivamente.

4) SVM: SVM es una nueva y prometedora
técnica para clasificación de datos y
regresión. Es una herramienta para el análisis
estadístico y máquina de aprendizaje, y se comporta
muy bien en muchas aplicaciones de clasificación y
regresión. Sams se han utilizado extensamente para una
amplia gama de aplicaciones en ciencia, medicina, e
ingeniería con un excelente rendimiento empírico
[15], [16]. La teoría de la SVM se encuentra en [17] y
[18]. Soporte para clasificación de vectores (SVC) de
varias clases y soporte para regresión de vectores (SVR)
han sido utilizados exitosamente en el posicionamiento por
huellas digitales [19], [20].

5) SNP: SNP utiliza los valores de RSS en
línea para la búsqueda de ubicaciones candidatas en
el espacio de la señal con respecto a cada emisor de
señales por separado. Polígonos de
M-vértices se forman para la elección de por lo
menos un candidato para cada transmisor (suponiendo un total de M
transmisores). Promediando las coordenadas de los vértices
del polígono más pequeños (que tiene el
menor perímetro) se obtiene la ubicación
estimada. SNP ha sido utilizado en MultiLoc [74].

C. Proximidad

Los algoritmos de proximidad proporcionan
información de ubicación simbólica
relativa.Por lo general, se basa en una densa red de antenas,
cada una en una posición bien conocida. Cuando un
objetivo móvil es detectado por una sola antena, se
considera como colocalizado a ella. Cuando más de una
antena detecta el objetivo móvil, este se considera
colocalizado al receptor que detecta mayor intensidad de
señal. Este método es relativamente sencillo
de implementar. Puede ser aplicado en diferentes tipos de medios
físicos. En particular, los sistemas que utilizan la
radiación infrarroja (IR) e identificación por
radiofrecuencia (RFID) están basados en este
método. Otros ejemplos son el método de la
identificación de celda (Cell-ID) o de celdas de origen
(COO). Este método se basa en el hecho de que las redes
celulares móviles pueden identificar la posición
aproximada de un teléfono móvil al saber que sitio
celular el dispositivo está utilizando en un momento
dado. El principal beneficio del método Cell-ID es
que ya está implementado hoy en día y es soportado
por todos los teléfonos móviles.

Parámetros
de desempeño

No es suficiente para medir el rendimiento de una
técnica de posicionamiento sólo mediante la
observación de su exactitud. Al referirse a [21] y
teniendo en cuenta la diferencia entre geolocalización
inalámbrica de interior y exterior, ofrecemos la siguiente
evaluación comparativa de rendimiento para sistemas de
localización inalámbrica en interiores: exactitud,
precisión, complejidad, escalabilidad, robustez y
coste. A partir de esto, hacemos una comparación
entre los diferentes sistemas y soluciones en la Sección
IV.

A. Exactitud

La exactitud (o error de localización) es el
requisito más importante de los sistemas de
posicionamiento. Por lo general, el error medio de distancia
es usado como parámetro de rendimiento, que es el promedio
Euclidiano de distancia entre la posición estimada y la
verdadera. La exactitud puede ser considerada como una
posible tendencia, o un efecto sistemático de
desplazamiento de un sistema de posicionamiento. Cuanto
mayor sea la exactitud, mejor el sistema, sin embargo, hay a
menudo una solución de compromiso entre la exactitud y
otras características. Algunos compromisos entre la
"adecuada" exactitud y otras características son
necesarios.

B.
Precisión 

La precisión sólo tiene en cuenta el valor
de los errores de distancia medios. Sin embargo, la
precisión de la localización considera cómo
constantemente el sistema de trabaja, es decir, se trata de una
medida de la solidez de la técnica de posición, ya
que revela la variación en su desempeño sobre
muchas pruebas.

Tenemos referencia que algunas literaturas definen la
precisión de localización como la desviación
estándar en el error de ubicación o la
dilución geométrica de la precisión (GDoP),
pero preferimos asociarla como la distribución del error
de distancia entre la ubicación estimada y la
verdadera.

Por lo general, las funciones de probabilidad
acumulativa (CDF) del error de distancia se utilizan para medir
la precisión de un sistema. Cuando dos
técnicas de posicionamiento se comparan, si sus
exactitudes son las mismos, preferimos el sistema con un
gráfico CDF, que alcance altos valores de probabilidad
más rápido, debido a su error de distancia se
concentra en los valores más pequeños. En la
práctica, CDF es descrito como un formato de
percentiles. Por ejemplo, un sistema tiene una
precisión de localización de 90% dentro de 2,3 m
(CDF de error de distancia de 2,3 m es 0,9), y 95% dentro de 3,5
m, y otro, tiene un precisión de 50% dentro de 2,3 m y 95%
en 3,3 m. Deberíamos elegir el primer sistema, debido a su
mayor precisión.

C. Complejidad La complejidad
de un sistema de posicionamiento se puede atribuir al
hardware, software y factores de operación. En
este trabajo, hacemos hincapié en la complejidad del
software, es decir, la complejidad de cómputo del
algoritmo de posicionamiento. Si el cálculo del
algoritmo de posición se ejecuta en un servidor
centralizado, el posicionamiento se podría calcular
rápidamente debido a las poderosas capacidades de
procesamiento y el suficiente suministro de
energía. Si se lleva a cabo en el lado de la unidad
móvil, los efectos de la complejidad pueden ser
evidentes. La mayoría de las unidades móviles
carecen de poder de procesamiento suficiente y duración de
la batería muy larga, así que, nosotros
preferiríamos algoritmos de posicionamiento de baja
complejidad. Por lo general, es difícil obtener la
complejidad analítica de la fórmula de las
diferentes técnicas de posicionamiento, por lo tanto el
tiempo de cálculo debe ser considerado. La tasa de
localización es un importante indicador de la
complejidad. El doble de la tasa de localización es
el retraso, que es el retardo entre un objetivo móvil que
se desplaza a una nueva posición y reportando la nueva
posición por el sistema.

D. Robustez

Una técnica de posicionamiento con gran robustez
podría funcionar normalmente, incluso cuando algunas
señales no están disponibles, o cuando parte del
valor de RSS o ángulo característico nunca se hayan
visto. A veces, la señal de un transmisor está
totalmente bloqueada, por lo que la señal no puede ser
obtenida por algunas unidades de medida. La única
información para estimar la ubicación de la
señal es a través de otras unidades de medida. A
veces, algunas unidades de medida podrían estar fuera de
la servicio o dañados en un medio ambiente
hostil. Las técnicas de posicionamiento tienen que
utilizar esta información incompleta para calcular la
ubicación.

E. Escalabilidad

La característica de escalabilidad de un sistema
asegura la función de posicionamiento normal cuando el
alcance de posicionamiento se hace mayor. Por lo general, el
rendimiento se degrada cuando la distancia de posicionamiento
entre el transmisor y el receptor aumenta. Un sistema de
localización puede necesitar escalar en dos sentidos:
geografía y densidad. La escala geográfica
significa que área o volumen es cubierto. La densidad
significa el número de unidades ubicadas por unidad
geográfica área o espacio por período de
tiempo. A medida que más superficie/espacio es
cubierta o unidades se hacinan en un área o espacio, los
canales de la señal inalámbrica pueden presentar
congestión, requerir más cálculo para
realizar la localización, o requerir más
infraestructura de comunicación. Otra medida de la
escalabilidad es el espacio dimensional del sistema. El
sistema actual puede localizar objetos en espacios 2D o
3D. Algunos sistemas pueden soportar tanto 2D como
3D.

F. Coste

El coste de un sistema de posicionamiento puede depender
de muchos factores. Los factores importantes incluyen dinero,
tiempo, espacio, peso y energía. El factor tiempo
está relacionado con la instalación y
mantenimiento. Las unidades móviles pueden tener espacio
reducido y las limitaciones de peso. La densidad de la unidad de
medida se considera un costo del espacio. A veces, tenemos
que considerar algunos de los costos escondidos. Por
ejemplo, un sistema posicionamiento montado sobre en una red
inalámbrica puede considerarse sin costos de hardware, si
todas las unidades necesarias de esa red ya han sido adquiridos
para otros fines. La energía es un importante factor
de coste de un sistema. Algunas unidades móviles (por
ejemplo, la vigilancia electrónica de artículos
(EAS) y las etiquetas RFID pasivas, que se abordarán mas
adelante) son completamente pasivas de energía. Estas
unidades sólo responden a campos externos y, por tanto,
podrían tener una vida útil ilimitada. Otras
unidades móviles (por ejemplo, dispositivos con
batería recargable) tienen una duración de varias
horas sin recarga.

Estudio de
sistemas y soluciones

Una vez identificados los principios de medida
común, Los algoritmos de posicionamiento y las
métricas de rendimiento importantes de los sistemas de
posicionamiento de localización, podemos hablar de
sistemas específicos.

Hay dos enfoques básicos para el diseño de
sistemas de geolocalización inalámbricos. El
primer enfoque es desarrollar un sistema de
señalización y una infraestructura de red de medida
de localización centrada principalmente en aplicaciones de
localización inalámbrica. El segundo enfoque
consiste en utilizar una infraestructura existente de red
inalámbrica para localizar un objetivo. La ventaja
del primer enfoque es que los diseñadores son capaces de
controlar las especificaciones físicas y, en consecuencia,
la calidad de resultados de las ubicaciones detectadas. La
etiqueta con el destino puede ser concebido como un
pequeño portátil, etiqueta o autoadhesivo, y la
densidad del sensor se puede ajustar para los requerimientos de
exactitud de posicionamiento. La ventaja del segundo enfoque
es que evita el despliegue costoso y el largo consumo de tiempo
requerido para el despliegue de la infraestructura. Estos
sistemas, sin embargo, pueden requerir utilizar algoritmos
más inteligentes para compensar la baja exactitud de los
indicadores medidos. 

Fig.6. Sistemas de Posicionamiento
inalámbricos

Existen varios tipos de tecnologías
inalámbricas utilizadas para la localización en
interiores. La Fig. 6 representa una rígida
descripción de los actuales sistemas de posicionamiento
inalámbricos, basada en una versión modificada de
[24, fig. 2]. Está más allá del
alcance de este paper proporcionar una visión completa de
los sistemas disponibles hasta ahora. Nos centramos en los
sistemas de posicionamiento móvil principalmente para
situaciones interiores. Hay algunos enfoques para el estudio
de sistemas de posicionamiento indoor, tales como entornos de
aplicación (posicionamiento 2D/3D en oficinas, almacenes,
etc), los algoritmos de posicionamiento, y las tecnologías
inalámbricas. En este paper se utiliza el esquema de
las tecnologías inalámbricas, también
indicando sus algoritmos de posicionamiento y su situación
de aplicación.

A. Basados en GPS

El Sistema de Posicionamiento Global (GPS),
o su complemento diferencial DGPS [25], es una de los más
exitosos sistemas de posicionamiento en entornos al aire
libre. Sin embargo, la baja cobertura de señal de
satélite para ambientes interiores disminuye su
precisióny lo hace inadecuado para la estimación de
localización en interiores.

SnapTrack, una empresa de Qualcomm, pionera en el GPS
inalámbrico asistido (A-GPS) para superar las limitaciones
de GPS, y proporcionar una técnica GPS indoor con una
media de exactitud de 5-50 m en la mayoría de los
ambientes interiores. La tecnología A-GPS utiliza un
servidor de localización con un receptor GPS de referencia
que puede al mismo tiempo detectar los mismos satélites
que el receptor móvil inalámbrico para ayudar a los
receptores GPS parciales a encontrar señales GPS
débiles. El dispositivo inalámbrico recoge medidas
tanto de la constelación GPS como de la red móvil
inalámbrica.  Estas medidas se combinan en el
servidor de localización para producir una
estimación de la posición.

Recientemente, Atmel2 y U-blox3 anunciaron la
disponibilidad de una nueva tecnología de seguimiento de
señales GPS débiles, llamada SuperSense. Con este
nuevo software GPS, la navegación GPS es posible en la
construcción de interiores y profundos cañones
urbanos, debido a su sensibilidad de seguimiento más
allá de -158 dBm. Su rendimiento no ha sido
registrado hasta el momento.

Locata Corporation ha inventado una nueva
tecnología de posicionamiento llamado Locata [26], para
posicionamiento de precisión tanto indoor como en
ambientes exteriores. Parte de la "Tecnología Locata"
consiste en un transceptor pseudolite sincronizado en tiempo
llamado LocataLite. Una red de LocataLites forma un
LocataNet, que transmite señales tipo GPS para permitir el
posicionamiento de un solo punto con el uso de medidas de
portadora en fase para un dispositivo móvil (un Locata).
El grupo SNAP (Satellite Navigation And Positioning) y la
Universidad de New South Wales han colaborado en la
elaboración de un Locata y realizado las pruebas de la
nueva tecnología. Los experimentos de prueba demostraron y
comprobaron el concepto de la "tecnología Locata", y
muestran que el posicionamiento de punto por portadora de fase
(sin módem de radio enlaces de datos) es posible con
precisión de subcentímetros [26].

B. RFID

RFID es un medio de almacenamiento y recuperación
de datos a través de transmisión
electromagnética a un circuito integrado de
radiofrecuencia compatible, y ahora está siendo visto como
un medio para mejorar el manejo de procesos [27]. Un sistema
RFID tiene varios componentes básicos, incluyendo un
número de lectores RFID, etiquetas RFID, y la
comunicación entre ellos. El lector RFID es capaz de
leer los datos emitidos por las etiquetas RFID. Los lectores
y etiquetas RFID utilizan protocolos de RF definidas para
transmitir y recibir datos. Las etiquetas RFID son
clasificadas como de forma pasiva o activa.