On Geostatistical Methods for Radio Environment Maps Generation under Location Uncertainty

Abstract

Radio environment map (REM) can provide important information for designing and optimizing the performance of wireless communication networks. However, the location uncertainty related to the measurements used to build the REM can considerably deteriorate the accuracy of such map. This paper addresses this problem by proposing a modified approach of a classical geostatistical prediction tool, named Kriging method, which incorporates the location uncertainty and is able to improve the REM accuracy without adding significant complexity. Finally, we also show through simulation results that the average path loss and covariance parameter estimation play an important role and should be considered when the location errors occur in the wireless communication systems.

Model-based learning of underwater acoustic communication performance for marine robots

“…The second step is the spatial prediction. Given the measurements, the model-based basis functions, and the covariance matrix from the previous step we use the location of interest to solve the universal kriging and obtain the kriging weights ( 26), (27). Finally, we predict the SNR at the location of interest and corresponding SNR variance (28).…”

Mapas de Ambiente Rádio Aplicados às Redes de Sensores Sem Fio

“…Diversos artigos tratando do uso de REM gerados a partir de técnicas de geo-estatística podem ser encontrados na literatura. Dentre os mais relacionados ao presente trabalho, podemos citar as referências [6], [7], [8]. Em [6] os autores estudam o uso dos mapas REM na estimativa da qualidade de uma rede celular, com foco no problema da incerteza das posições de amostragem de potência recebida.…”

“…Dentre os mais relacionados ao presente trabalho, podemos citar as referências [6], [7], [8]. Em [6] os autores estudam o uso dos mapas REM na estimativa da qualidade de uma rede celular, com foco no problema da incerteza das posições de amostragem de potência recebida. Note-se que no presente trabalho assume-se que as posições onde as amostras de potência de recepção foram coletadas são conhecidas sem erros.…”

“…Dentre eles, podemos citar as técnicas de interpolação usando o método dos Polígonos, Inverso da Distância (ID), Spline, "krigagem" Simples (KS), "Krigagem" Ordinária (KO), entre outros. Maiores detalhes sobre essas técnicas podem ser obtidas em [6], [7] e [12].…”

“…em que µ(s i ) e µ(s j ) representam as médias de P (s i ) e P (s j ), respectivamente. Assumindo estacionariedade de segunda ordem, duas propriedades a respeito das funções co-variograma e semi-variograma merecem ser destacadas: (i) o valor esperado do processo estocástico P (s) existe e é constante e, portanto, E{P (s)} = µ(s) = µ; (ii) a variância e a covariância dependem apenas da distância de separação entre os pares de pontos amostrados, de forma que C(s i , s i + h) = C(h) e h = |s i − s j |[6]. Nesse sentido, o semi-variograma do processo P (s) pode ser estimado pelo método dos momentos de Matheron, a partir de[11] …”