sistemas de localização baseados em 802.11 fernando ney da costa nascimento ney@inf.puc-rio.br
Post on 17-Apr-2015
105 Views
Preview:
TRANSCRIPT
Sistemas de Localização baseados em 802.11
Fernando Ney da Costa Nascimento
ney@inf.puc-rio.br
Roteiro
Motivação Aplicações Alternativas e Problemas Localização baseada em 802.11
Metodologia Algoritmos
Conclusões
Motivação
Crescente aumento de comunicação sem fio Pré-requisito para serviços baseados em
localização Soluções tradicionais não funcionam
Aplicações
Location-Awareness Localização de Pessoas Dispositivos Inteligentes Roteamento Wireless
Segurança Localização de intrusos
Robôs Móveis Exploração Construção automática de mapas Navegação
Propriedades de Sistemas de Localização Posição Física x Simbólica Localização Absoluta x Relativa Localização Remota ou Auto-Localização Exatidão e Precisão Escala Reconhecimento de dispostivos Custo Limitações
Alternativas
Outdoor GPS
Indoor Infrared (IR) Radio Frequency (RF)
GPS
Altamente disseminado Cada vez mais baratos Não funcionam em ambientes indoor
Infra-Vermelho
Grande precisão (curtas distâncias, linha reta entre emissor e receptor)
Baixa escalabilidade Requer hardware especializado Ex: Active Badge
Rádio Frequência
Granularidade a nível de célula Alta Escalabilidade Não requer hardware especializado
Problemas com propagação de sinais Indoor Propagação não linear Ruído Propagação Multi-Caminho Interferência Absorção Temperatura do ar Absorção por pessoas (freqüência resonante da
água)
Localização baseada em 802.11
Hardware já presente no ambiente Custo reduzido Complexidade reduzida
Ideía
Usar medidas de força do sinal para determinar a localização.
Categorias
Técnicas Determinísticas Técnicas Probabilísticas
Algoritmos para Localização
Fase 1: Geração dos dados – Construção de um espaço de busca. Geração por modelos de propagação Geração empírica
Fase 2: Recepção de um dado real e busca da posição nos dados gerados na fase 1. Busca probabilística Busca por diferença/semelhança
Técnicas de Localização
Representação do Espaço Representação do Sinal Algorimtos de Inferência de Localização
Representação do Espaço
Representação da localização e direção
Representação do Sinal
Ponto de Acesso
Valor do sinal medido
Algoritmos de Inferência
Nearest Neighbor Multiple Nearest Neighbor Modelo de Propagação de ondas de rádio Kernel Method Histogram Method Inferência Probabilística
Nearest Neighbor (CHOICE, RADAR) A localização é determinada usando um
função de distância. Ex.: Distância Euclidiana
Resolução de 3.20 metros em média
Multiple Nearest Neighbor (RADAR) São considerados as k amostras mais
“perto”.
Resolução de 2.75 (k=5)metros em média
Multiple Nearest Neighbor (cont.) Escolha de k
k pequeno melhora, mas não significativamente k grande piora,pois pontos distantes são levados
em consideração k não melhora significativamente porque são os
mesmos pontos com diferentes orientações
Modelo de propagação de ondas de rádio Usado para determinar as amostras Teórico x Empírico Diversos modelos de propagação Resultados variáveis devido a propagação
de sinais em ambientes indoor Reduz a dependência de dados empirícos
Modelo de propagação de ondas de rádio
• Resolução de 4.3 metros em média
Regra de Bayes
• Função de Probabilidade
• Probabilidade Anterior
• Distribuição Posterior
Kernel Method (Ekahau)
Regra de Bayes Distribuição posterior Uso de distribuição Gaussiana
Kernel Method
• Função de Probabilidade
Kernel Method
Histogram Method (Ekahau, Rover, Nibble)
• Função de Probabilidade
• Determinada através de caixas
• Caixas com tamanhos diferentes ou iguais
Histogram Method
Inferência Probabilística
Resolução de 1.5 metros em média
Sistemas de Localização
Algoritmos Precisão Sistemas
Nearest Neighbor ~ 3.20 RADAR, CHOICE
Kernel ~ 2.30 Ekahau
Histogram ~ 2.30 Ekahau, Rover, Nibble
Inferência Probabilística
~ 1.50 Rice University
Variações
Número de pontos amostrados Número de amostras por pontos Orientação do usuário Número vetores de observação utilizados Número de Pontos de Acesso
Vantagens
Orientação Não tão preciso como posição
Custo Infraestrutura já existente
Escalável Limitação por custo computacional
Desvantagens
Dependência do Ambiente Movimentação de pessoas e objetos Outros dispositivos 2.4 GHz
Geração de dados Tempo necessário para geração
Conclusões
A inferência varia com fatores externos Os melhores resultados têm sido obtidos
com estratégias probabilísticas É possível a construção de diversas
aplicações com a precisão descrita
top related