Optimierte Trajektorie aus Smartphone-Sensoren und 5G UL-TDoA mit Cluster-Partikel-Filter

Die fünfte Mobilfunkgeneration (5G) wird neue Funktionen im Bereich der Innenraumortung ermöglichen. Dies könnte als die zweite große Entwicklung nach der Innovation der Smartphones angesehen werden, da dann eine mit dem Globalen Navigationssatellitensystem (GNSS) vergleichbare Positionsschätzung für den Innenbereich verfügbar wäre. Erste experimentelle Projekte zu 5G-Ortungsdiensten sind bereits angelaufen. Uplink Time Differance of Arrival (UL-TDoA) ist eine netzwerkbasierte Positionierungsmethode, die ab 5G-Release 16verfügbar ist. Eine 5G-Positionsbestimmung wird von modernen Smartphones verwendet werden können, sorgt jedoch für einen erhöhten Energieverbrauch auf dem Endgerät und wird nicht lückenlos verfügbar sein. In diesem Beitrag stellen wir einen Multi-Modell-Sensor-Fusionsalgorithmus vor. Dieser führt 5G- ,IMU- und Grundrissinformationen zusammen, um eine energieeffiziente, optimierte Positionsschätzung in Echtzeit zu ermöglichen. Im Detail wurde zunächst die relative Positionierung und die damit verbundene Abweichung unter Verwendung eines gleitenden Zeitfensters von Sensorwerten berechnet. Sie wird bei Bedarf mit Positionsinformationen aus dem 5G-Netzoptimiert, wenn diese bereitgestellt werden können. Zu diesem Zweck kann die Methode der Weighted Least Squares (WLS) und ein Kalman-Filter (KF) verwendet werden. Darüber hinaus wurde auf der Grundlage der Bewegungsinformationen und des Partikel-Filters (PF) ein Multi-Modell-Algorithmus für die Kartenanpassung entwickelt. Der hierfür entwickelte Backtracking PF ermöglicht eine höhere Zuverlässigkeit und genauere Positionsabschätzung durch die dynamischen Eigenschaften der generierten Partikelcluster. Der in diesem Beitrag fokussierte Ansatz ist der Cluster-PF, der eine Kombination aus dem Backtracking PF und dem Mean-Shift-Clusteransatz darstellt. Dies ermöglicht eine Positionsabschätzung auch in Situationen, in denen der PF divergiert oder eine automatische Neuinitialisierung nötig ist. Die Genauigkeit der ausgegebenen Position wird durch die Analyse der Partikelcluster und der Abweichung der geschätzen Position von der optimierten Position bestimmt. Die Modelle werden separat getestet und die jeweiligen Ergebnisse dargestellt und diskutiert.