Recently, a growing interest in precise indoor wireless locating systems has been observed. Indoor environments are typically complex wireless propagation channels with numerous multi-paths created by closely spaced scattering objects. The ability to resolve these multi-paths is very important for good ranging resolution and positioning accuracy. Impulse-Radio Ultra-Wideband (IRUWB) is a promising technology to fulfill these requirements in harsh indoor propagation environments due to its great time resolution and immunity to multipath fading. One of the major IRUWB signal processing challenges is the high sampling demands of IR-UWB digital receivers, which greatly elevates the cost and power consumption of IR-UWB systems . Compressive Sensing provides a solution by allowing them to sample IR-UWB signals at a lower rate than the Nyquist sampling limit. The CS approach relies on the fact sparse representations are possible in the localization context. Basically two sparsity patterns can be exploited: Firstly, transmitting an ultra-short pulse through a multipath UWB channel leads to a received UWB signal that can be approximated by a linear combination of a few atoms from a pre-defined dictionary, yielding thus a sparse representation of the received UWB signal. Secondly, the inherent spatial sparsity of scene can be introduced through the use of an overcomplete basis or dictionary that enables to jointly evaluate all multiple location hypothesis. In this degree thesis, three novel data-acquisition and positioning methods exploiting different sparse representations for IR-UWB signals under challenging indoor environments are presented. Essentially, through the formulation of sparsity-based reconstruction techniques it is viable to localize targets while reducing the computational load and sampling requirements. Their performance is assessed and compared under the framework of the IEE.802.15.14a channel models, which is a standard developed specifically for UWB wireless positioning.

Recientemente, se ha observado un interés creciente en los sistemas de localización pasiva inalámbrica para edificios interiores como oficinas o naves industriales. Típicamente, los ambientes de interiores son canales de propagación inalámbricos complejos con numerosas reflexiones creadas por objetos dispersivos muy próximos entre sí. La capacidad de resolver estos múltiples caminos es muy importante para una buena resolución de alcance y precisión de posicionamiento. Impulso-radio de banda ultra-ancha (UWB-IR) es una tecnología prometedora para cumplir con estos requisitos en entornos de propagación interiores debido a su gran resolución temporal y la inmunidad al desvanecimiento por múltiples caminos. Uno de los principales retos de procesamiento de señales IR-UWB es la alta demanda de muestreo de receptores digitales IRUWB, lo que eleva considerablemente el costo y el consumo de energía de los sistemas IR-UWB. Compressive Sensing proporciona una solución que permite muestrear señales IR-UWB a un ritmo menor que el límite de muestreo propuesto por Nyquist. El enfoque de este problema con Compressive Sensing se basa en el hecho de que representaciones dispersas son posibles en el contexto de la localización. Básicamente dos patrones de dispersión pueden ser explotados: En primer lugar, la transmisión de un pulso ultra corto, través de un canal de banda ancha donde la señal experimenta trayectos múltiples, conduce a una señal de UltraWideband recibida que puede ser aproximada por una combinación lineal de unos pocos átomos de un diccionario predefinido, obteniéndose así una representación dispersa de la señal de UWB recibida. En segundo lugar, la escasez de objetivos a localizar de la escena se puede utilizar mediante el uso de un diccionario sobre-completo que permita evaluar conjuntamente las múltiples hipótesis de ubicación en un escenario bidimensional, adquiriendo así una representación dispersa, con pocos elementos. En este proyecto final de carrera, se presentan tres nuevos métodos de adquisición de datos y posicionamiento que explotan diferentes representaciones dispersas para señales IR-UWB bajo ambientes interiores. En esencia se plantea, mediante la formulación de técnicas de reconstrucción de Compressive Sensing, que es viable localizar objetivos y al mismo tiempo reducir los requisitos de carga computacional y altos ritmos de muestreo. El rendimiento de los algoritmos propuestos se evalúa y se compara en el marco de los modelos de canal IEE.802.15.14a, que es un estándar desarrollado específicamente para el posicionamiento inalámbrico en sistemas UltraWideband.

Recentment, s'ha observat un interès creixent en els sistemes de localització passiva sense fil per a edificis interiors com oficines o naus industrials. Típicament, els ambients d'interiors són canals de propagació complexos amb nombroses reflexions creades per objectes dispersius molt pròxims entre si. La capacitat de resoldre aquests múltiples camins és molt important per a una bona resolució d'abast i precisió de posicionament. Impuls-ràdio de banda ultra-ampla (UWB-IR) és una tecnologia prometedora per complir amb aquests requisits en entorns de propagació interiors a causa de la seva gran resolució temporal i la immunitat al esvaniment per múltiples camins. Un dels principals reptes de processament de senyals IR-UWB és l'alta demanda de mostreig dels receptors digitals IR-UWB, el que eleva considerablement el cost i el consum d'energia dels sistemes IR-UWB. Compressive Sensing proporciona una solució en la qual permet mostrejar senyals IR-UWB a un ritme menor que el límit de mostreig proposat per Nyquist. L'enfocament d'aquest problema amb Compressive Sensing es basa en el fet que representacions disperses són possibles en el context de la localització. Bàsicament dos patrons de dispersió poden ser explotats: En primer lloc, la transmissió d'un pols de molt poca duració a través d'un canal de banda ample on la senyal experimenta múltiples trajectes, això condueix a una senyal de UltraWideband rebuda que pot ser aproximada per una combinació lineal d'uns pocs àtoms d'un diccionari predefinit, obtenint-se així una representació dispersa. En segon lloc, l'escassetat de objectius a localitzar en l?escena es pot utilitzar mitjançant l'ús d'un diccionari sobre-complet que permeti avaluar conjuntament les múltiples hipòtesis d'ubicació en un escenari bidimensional, adquirint així una representació dispersa. En aquest projecte final de carrera, es presenten tres nous mètodes d'adquisició de dades i posicionament que exploten diferents representacions disperses per senyals IR-UWB sota ambients interiors. En essència es planteja, mitjançant la formulació de tècniques de reconstrucció de Compressive Sensing, que és viable localitzar objectius i al mateix temps reduir els requisits de càrrega computacional i alts ritmes de mostreig. El rendiment dels algoritmes proposats s'avalua i es comparen en el marc dels models de canal IEE.802.15.14a, que és un estàndard desenvolupat específicament per al posicionament sense fil en sistemes UltraWideband.