Detecting Intra-Room Mobility with Signal Strength Descriptors

Mobile and Pervasive Computing Reading Group 2011. 05. 011 신 승 재 한국과학기술원 전산학과

순서

• • • • • • Document Information Mobility Detection: True/False Behavior Detection Observation: The Effect of Mobility on RSS value Experimental Setup Experimental Results Conclusion and Discussion 2

Document Information

• 논문 정보

문헌정보:

MobiHoc 2010

저자정보:

Konstantinos Kleisouris, Bernhard Firner, Richard Howard, Yanyong Zhang, Richard P. Martin (Rutger Univ.)

내용

본 논문은 실내 환경에서 mobile device 사용자가 움직였는가의 여부를 판단하는 movement detection 이라는 주제 를 다루고 있다. 저자들은 mobile device의 movement가 도플러 효과에 의한 local fading의 원인이 된다는 점에 주목 하여, RSSI (Received Signal Strength Indicator)의 oscillation 상태를 관찰하는 것만으로 정확한 movement detection 이 가능하다는 것을 실험을 통하여 보이고 있다.

3

Mobility Detection: True/False Behavior Detection

Mobility Detection

- 사물(object)가 움직였는가의 여부만을 판단하는 것으로, 시간에 따른 위치 변화를 판단하는 object tracking 보다는 더 간단한 작업: True/False Behavior Detection - 본 연구에서는 Intra-room 환경에서의 motion detection을 주제로 다룸

Why Motility Detection?

- 저자들의 주장: true/false behavior만 판단해도 충분한 application이 있음 (예: 화학 실험실에서 실험 장치가 몇 번 움직였는가? 수술실에서 수술 장비가 몇 번 움직였는가?

방에서 사람이 몇 번 움직였는가?) - Object tracking은 accelerometer, compass와 같은 sensing peripheral component가 많이 필요하고 알고리즘 복잡도도 높기 때문에 true/false behavior detection에 사용하기에는 cost가 높음

목표

- Low-cost intra-room mobility (true/false) detection을 구현하는 것 4

Observation: The Effect of Mobility on RSS value

무선 신호의 특성: 물체의 이동과 Doppler 효과

- Doppler 효과: 신호의 송신자 또는 수신자가 이동하면서 신호의 수신 주파수가 spread 되는 효과 -

단일 주파수 신호가 여러 개 주파수 신호의 중첩으로 변경되므로 수신 신호의 oscillation이 커짐 Hypothesis

- RSS 신호의 oscillation만 잘 판단하면 true/false movement detection이 가능하다.

-

다시 말해서 RSSI sample들의 difference descriptor만 보면 detect가 가능하다.

-

Descriptors: Absolute difference, Standard deviation, Earth Mover’s Distance 저자들은 실제 intra-room 환경에서의 실험을 통해서 위의 hypothesis를 검증하였다.

* Earth Mover’s Distance (EMD)

- 두 확률 분포 함수의 difference를 나타내는 measure - EMD라는 이름은 이것을 구하는 문제가 어떤 한 지점에 쌓여있던 pile 을 다른 지점에 옮기는 (minimum cost로) 문제로 변환되기 때문 ( http://en.wikipedia.org/wiki/Earth_mover's_distance ) 5

Experimental Setup

두 종류의 room에 Wi-Fi / RFID receiver를 벽에 부착함

- Mobile device가 transmit 하는 Wi-Fi 또는 RFID signal을 sample 하여 주기적으로 descriptor를 측정함 6

Experimental Setup

벽에 부착한 Wi-Fi / RFID receiver를 의미함

Important Observation

-

Radio signal은 송신자의 이동이동 뿐만 아니라 주변 사물의 scattering에 의해 oscillation이 발생할 수 있다.

(multi-path fading)

- 따라서 본 실험에서는 주변 사물의 scattering과 mobile device 이동 시에 descriptor 값이 distinguishablility 여부를 판단해야 한다.

- 따라서 여러 가지 종류의

scattering event 및 mobility event를 발생

시켜 보아야 한다.

7

Experimental Setup

벽에 부착한 Wi-Fi / RFID receiver를 의미함

Type of Event - Type 1 (stability):

mobile device가 정지하고 있으며 주변에 움직이는 사물이 아무것도 없음 (A, B, C, D, E 순으로 위치를 옮겨가면서 실험함) -

Type 2 (global environmental instability):

mobile device가 역시 정지하고 있으나, 두 사람이 방을 걸어다님 (사람들은 walk으로 label된 trail을 따라 이동하며, 역시 A, B, C, D, E의 순으로 디바이스의 위치를 옮기면서 실험) -

Type 3 (local environmental instability):

mobile device는 역시 정지하고 있으나, 주변에 dummy object가 있음 -

Type 4 (mobility around dummy):

mobile device를 dummy 주변으로 옮긴다는 말 같으나 잘 이해가 안됨 8

Experimental Setup

Type 4 event에 대한 원문 Type of Event (Scattering) - Type 1 (stability):

mobile device가 정지하고 있으며 주변에 움직이는 사물이 아무것도 없음 (A, B, C, D, E 순으로 위치를 옮겨가면서 실험함) -

Type 2 (global environmental instability):

mobile device가 역시 정지하고 있으나, 두 사람이 방을 걸어다님 (사람들은 walk으로 label된 trail을 따라 이동하며, 역시 A, B, C, D, E의 순으로 디바이스의 위치를 옮기면서 실험) -

Type 3 (local environmental instability):

mobile device는 역시 정지하고 있으나, 주변에 dummy object가 있음 -

Type 4 (mobility around dummy):

mobile device를 dummy 주변으로 옮긴다는 말 같으나 잘 이해가 안됨 9

Experimental Setup

벽에 부착한 Wi-Fi / RFID receiver를 의미함

Type of Event (mobility)

-

Type 5 (mobility scenario 1):

mobile device가 B → A → B의 순으로 이동 -

Type 6 (mobility scenario 2):

mobile device가 A → D → E → A의 순으로 이동 -

Type 7 (mobility scenario 3):

mobile device가 C → F → A의 순으로 이동 (방을 나갔다가 다시 들어옴) 10

Experimental Results

Experiments

- 상기 제시한 setup 하에서 receiver를 Wi-Fi에서 RFID로 바꿔 가면서 event들을 발생 시켜 신호 sample들을 수집 - 총 930회의 mobility type event (type 5, 6, 7) 발생됨 - 수집한 sample들에 대해 주기적으로 descriptor 값들을 계산함 (absolute difference, standard deviation, EMD) -

Detection Policy:

정확도를 측정함 Descriptor 값이 특정 threshold를 넘으면 movement 여부를 true, 아니면 false로 판단시키고 -

Threshold는 data mining에서 쓰이는 JRip이라는 알고리즘을 통해 결정 정확도 측정 metric 실제로 movement가 발생했음에도 detect 하지 못한 경우가 있는가?

전체 detection 중 movement가 아님에도 잘못 판단한 경우가 있는가?

Recall과 Precision 두 경우를 bias 없이 중첩시킨 것 관련 문헌:

http://en.wikipedia.org/wiki/F-score 11

Experimental Results

실험결과 1 (Wi-Fi 신호 / signal 전송 빈도와 descriptor 계산 주기를 변경시킴)

- LI은 type 3, 4의 scattering event, M은 type 5, 6, 7의 movement event - Signal 전송 빈도가 많을 수록 distinguishability가 좋음 - 반면, signal 전송량이 충분하면 descriptor 계산 주기가 적은 것이 좋음 (시간에 따라 sample량이 늘어나면 곡선이 oscillation이 안정화 되어 곡선이 smooth하게 변하는 현상 때문) -

Distinguishability가 좋기 때문에 local scattering이 있어도 movement 여부를 잘 판단할 수 있음

12

Experimental Results

실험 결과 2

- GI은 type 2, LI은 type 3, 4, scattering event, M은 type 5, 6, 7의 movement event 13

Experimental Results

실험결과 3 (Wi-Fi 신호 / RFID 신호 / Descriptor 타입)

- LI은 type 3, 4의 scattering event, M은 type 5, 6, 7의 movement event - Descriptor 중에서 EMD의 distinguishability가 제일 좋음 - Wi-Fi의 distinguishability가 RFID 보다 좋으나, RFID 신호도 쓸만함 14

Experimental Results

실험결과 4: descriptor 계산 주기 (time window) 에 따른 F-measure의 변화

- 계산 주기가 길어질 수록 정확도가 떨어지는데 그 이유는 짧은 시간 동안의 movement를 detect 하지 못하거나, 여러 개의 movement를 하나로 detect 하는 경우가 발생하기 때문 15

Experimental Results

실험결과 5: descriptor 계산 주기 (time window) 에 따른 F-measure의 변화

- 계산 주기가 길어질 수록 정확도가 떨어지는데 그 이유는 짧은 시간 동안의 movement를 detect 하지 못하거나, 여러 개의 movement를 하나로 detect 하는 경우가 발생하기 때문 16

Experimental Results

실험결과 6: Receiver 수를 줄이면 7개를 모두 사용했을 때 보다 얼마나 error rate가 높아지는가?

- 모든 경우 error rate가 1% 아래임 17

Conclusion and Discussion

Conclusion

- 실내에서 mobile device의 움직임 여부를 detection하는 방법에 대해 다룸 - Signal 송신자의 움직임이 주변 사물의 움직임에 비해 많은 양의 oscillation을 유발한다는 것에 착안하여 신호의 descriptor 값 만으로 movement detection을 하자고 제안함 - 실험을 통해 자신들의 주장의 유효성을 입증함

Discussion

- True/false behavior detection이기 때문에 직접적으로 적용할 수 있는 확실한 target application을 찾기가 어려운 것 같음 - 다른 human sensing application에 결합되어 그들의 성능을 향상시킬 수 있는 가능성은 있다고 생각함 18