Geri Dön

Indoor positioning in the presence of an uncertain reference point

Kesinliği belirsiz bir referans nokasının varlığında, kapalı ortamlarda konum belirleme

PDF İndir

  1. Tez No: 553133
  2. Yazar: EMRE TEOMAN
  3. Danışmanlar: DOÇ. DR. TOLGA OVATMAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 81

Özet

Geçmişten günümüze teknolojinin gelişmesi ile birlikte mobil cihaz kullanımı yaygınlaşmıştır. Özellikle nesnelerin interneti uygulamalarının artması ile mobil cihaz kullanımı daha da önemli hale gelmiştir. Bu cihazların birbirleri ve çevreleri ile kolay bir şekilde iletişim kurabiliyor olması yeni uygulama alanlarını ortaya çıkarmıştır. Konum Tabanlı Servisler (KTS) de bu yeni alanlardandır. KTS denildiğinde akla ilk gelen teknoloji GNSS olarak bilinen Küresel Navigasyon Uydu Sistemi (KNUS) sistemidir. KNUS sistemi bir nesnenin dünya üzerindeki konumunu belirlemek için kullanılan en yaygın teknolojidir. Bu teknoloji, bir nesnenin konumunu belirlemede uydu haberleşmesine ihtiyaç duyduğu için dış mekanlarda etkili olarak kullanılabilmektedir. Ancak konum tabanlı uygulamalar dış mekanlarda olduğu kadar kapalı alanlarda da birçok uygulama alanına sahiptir. Sağlık sektörü, güvenlik ve otomatik sistemler bu alanlara örnek verilebilir. Buna rağmen, kapalı alanlarda konum tabanlı uygulamalar için kullanılan KNUS gibi standart bir yöntem ve teknoloji bulunmamaktadır. Bunun sebebi ise farklı uygulamaların farklı teknik gereksinimleri olmasıdır. Kapalı alan konum belirlemede kullanılan en yaygın tekniklerden biri triangülasyon tekniğidir. Bu teknik bir nesnenin konumunu tahmin ederken üçgen geometrisinden yararlanır. Bu yöntem, iki alt kategoride incelenebilir: laterasyon ve angulasyon. Laterasyon tekniği ile iki boyutlu bir düzlemde konum belirleyebilmek için konumu bilinen ve doğursal olmayan üç nokta gerekmektedir. Bu noktalara referans noktaları denir. Hedef nesne ve referans noktaları arasındaki mesafeler konum tahmininde kullanılır. Angulasyon tekniği ise mesafe bilgisine ek olarak açı bilgisi de gerektirir. Bu teknikte hedef noktadan referans noktasına ulaşan sinyallerin açısı da hesaplamalara dahil edilmektedir. Laterasyon tekniğinin iki boyutlu düzlemde uygulanan haline trilaterasyon denir. Bu teknikte ilk olarak referans noktaları ile hedef nesne arasındaki mesafe hesaplanır. Daha sonra referans noktaları merkez ve ölçülen mesafeleri yarıçap olmak üzere üç adet çember çizilir. Hedef nesne, bu çemberlerin kesişim noktasındadır. Bu tezde, iki adet konumu bilinen ve bir adet konumu tam olarak bilinmeyen bir referans noktası kullanılarak, hedef nesne için konum tahmini yapabilecek bir yöntem geliştirilmiştir. Konumu kesin olarak bilinmeyen referans noktası aracı nokta olarak isimlendirilmiştir. İlk olarak incelenen durum trilaterasyon tekniğinin iki adet referans noktası ile uygulanmasıdır. Bu işlem sonucunda elde edilen iki çemberin kesişimi iki nokta olacaktır. Ancak referans noktaları ve hedef nesne arasındaki mesafe ölçümünün hatasız bir şekilde yapılabilmesi neredeyse imkansızdır. Bunun sebebi ise kapalı alandaki duvarlar ve eşyalar gibi çevresel faktörlerdir. Bu yüzden iki referans noktası kullanılarak uygulanan trilaterasyon tekniği, hedef nesnenin konumunu bir alan olarak hesaplamaktadır. Bu hesaplamaya arabulucu noktayı da dahil ederek, iki referans noktası ile bulunan bu alanı daraltacak bir yöntem geliştirilmiştir. Bu yöntem bilgisayar ortamında gerçeklenmiştir. Arabulucu noktanın konumu tam olarak bilinmediği için işleme başlamadan önce bu nokta için de bir konum tahmini yapılması gerekmektedir. Bu tahmin, yine iki referans noktası kullanılarak yapılabilir. Ancak trilaterasyon yönteminin uygulanabilmesi için üçüncü referans noktasına ihtiyaç vardır. Bu yüzden arabulucu nokta için hesaplanan alan üzerinden muhtemel arabulucu noktalar seçilir. Her bir muhtemel arabulucu nokta için trilaterasyon tekniği uygulanır. Her iterasyon sonucunda elde edilen kesişim alanları toplanır. Daha sonra bu alanların güven elipsi algoritmasında kullanılabilmesi için noktalar kümesi şeklinde ifade edilmeleri gerekmektedir. Güven elipsi algoritması alan tahmini için kullanışlı bir algoritmadır. Bu algoritma verilen nokta dağılımları üzerinde istenilen güvenilirlik seviyesinde bir alan hesabı yapar. Bu yüzden, trilaterasyon sonucu elde edilen alanlar güven elipsi algoritmasında kullanılabilmesi için noktalar kümesine çevrilir. Daha sonra verilen güvenilirlik seviyesinde bir alan tahmini yapar. Hedef nesne, güvenilirlik seviyesi olarak belirtilen yüzdesel ihtimal ile bu alan içerisinde yer almaktadır. Konumu bilinen iki referans noktası ile hedef nesne için hesaplanan alanın, güven elipsi ile bulunan alana küçültülme oranına katma değer denir. Bu katma değer, algoritmanın başarımını gösteren yüzdesel bir değerdir. Önerilen yöntemin uygulanması hesaplama gücü açısından maliyetli bir işlemdir. Sürekli olarak her bir nokta için bu hesabın yapılması pratik olarak uygulanabilir değildir. Bu yüzden, önerilen algoritmayı uygulamadan katma değerin öngörülebilmesi büyük önem kazanmıştır. Elde edilebilecek katma değeri öngörebilmek için bir dizi deney yapılmıştır. İki boyutlu dikdörtgen formunda bir düzlem üzerine ilgili noktalar yerleştirilmiştir. Birbirine komşu olmayan iki köşeye referans noktaları yerleştirilmiştir. Bu noktalar deney boyunca sabit olarak kalmışlardır. Hedef nesne ve arabulucu nokta, bu alan içerisinde sırası ile bir çok farklı konuma yerleştirilmiştir. Her bir hedef-arabulucu nokta kombinasyonu için önerilen algoritma işletilmiştir. Bu algoritma sonucu elde edilen katma değer bir takım parametreler ile birlikte kayıt altına alınmıştır. Bu parametereler sırası ile şöyledir: hedef nesne ile referans noktaları arasındaki mesafeler, arabulucu nokta ile referans noktaları arasındaki mesefeler ve hedef nesne ile arabulucu nokta arasındaki mesafe. Deneylerin amacı yukarıda sıralanan parametreler ile katma değer arasında bir ilişki tanımlayabilmektir. Böylece algoritmanın işletilmesine gerek kalmadan belirli bir hata payı ile katma değer tahmini yapılabilecektir. Bunun için bir tahmin fonksiyonuna ihtiyaç vardır. Bu tahmin fonksiyonu makine öğrenmesi sistemleri ile oluşturulabilir. Bu tezde, tahmin fonksiyonunu bulmak için elde edilen veri kümesi bir karar ağacı ile modellenmiştir. Bu tahmin fonksiyonunun yardımı ile yukarıda sıralanan parametreler ile katma değer arasında bir ilişki tanımlamakla beraber katma değer tahmini de yapılabilmektedir. Ancak bu modelin güvenilirliğini ispatlamak için geçerlilik testlerinden geçirmek gerekmektedir. Bunun için 10 katlı çapraz geçerlilik yöntemi uygulanmıştır. Bu yöntem uygulanırken yapılan ilk işlem veri kümesinin 10 eşit parçaya bölünmesidir. Daha sonra ilk 9 parça ile karar ağacı modellenmektedir. Buna öğretme aşaması denir. Daha sonra geriye kalan 1 parça öğretilen model üzerinde test edilir. Bu uygulama sonucunda tahmin yapılan katma değerler ile gerçek katma değerler arasındaki hata oranı hesaplanarak performans göstergeleri elde edilir. Bu işlem, 10 eşit parçadan her biri test aşamasında uygulanacak şekilde devam eder. Her bir adımdan sonra hesaplanan karesel ortalama hata değerlerinin ortalaması alınarak modelin geçerliliği ölçülmüştür. Bulunan tüm performans değerleri tezde raporlanmıştır. Deneyler sonucunda önerilen algoritma ile en az ve en fazla ne kadar katma değer elde edilebildiği hesaplanmıştır. Ayrıca önerilen algoritma uygulanmadan, raporlanan hata oranları ile katma değer tahmini yapılabileceği gösterilmiştir. Bu bilgi sayesinde algoritmanın uygulanıp uygulanmayacağına karar verilebilecek bilgi elde edilmiş olur.

Özet (Çeviri)

Nowadays, the use of mobile devices is increasing with the widespread use of internet of things applications. Especially, location based services are gaining importance. GNSS is a well-known technology that is used to locate a mobile node at outdoors. Since satellites are used to determine ground position of an object in this technology, it is not proper for indoor localization. Therefore, various indoor positioning techniques and technologies are developed because there is no standard technique at indoors like GNSS. Triangulation technique is one of the most commonly used indoor positioning technique. Triangulation is realized via two separate approaches: lateration and angulation. Lateration estimates an object position using distances between the object and reference nodes. Angulation uses angle of arrival of the signals besides distances. In this thesis, a special instance of lateration technique is examined. In two dimensional space, it is called trilateration and it requires at least three noncollinear reference points. In our study, trilateration is examined where one of the reference point is positioned at an uncertain location. This point is named as mediator point. Considering the errors, an area is estimated for the target object when trilateration technique is applied with two reference points. A method is proposed to shrink this area using the mediator point. Since the absolute position of mediator point is not known, it must be estimated as the target point. After the estimation, an area is obtained for the mediator point. In order to apply trilateration, mediator point must be identified as the third reference point. Therefore, the possible area for the mediator point is sampled. Afterwards, trilateration technique is applied using each sample mediator point. The calculated areas for each iteration are collected to further use in confidence ellipse algorithm. Confidence ellipse algorithm determines an area where the target point potentially located according to the given confidence level. A computer simulation environment is set up to analyze the proposed method's performance. The environment is a two dimensional plane and two certain reference points are placed on non-adjacent corners on the plane. The position of the reference points are changed throughout the experiments. Various target-mediator point couples are selected and proposed method is applied using these points. Contribution values are calculated to represent performance of proposed method for all couples. Since the proposed method is costly in terms of calculation power, before applying the proposed algorithm, estimating contribution value is crucial. Thus, it can be decided in advance whether the proposed method is to be applied. As the result of experiments, a data set is obtained. It is used to find an contribution value estimation function with specific parameters: distance between target point and reference points, mediator and reference points, and mediator and target point. The estimation function is found using machine learning techniques. The data set is modelled with decision tree and it is validated using 10-fold cross validation. The result of the validation is reported as average root mean square error. In summary, a method is proposed to improve trilateration method with two reference point using a mediator point. Additonally, the performance of the method is improved using machine learning techniques. Contribution value can be estimated without applying the method with reported RMSE. Thus, the proposed method can only be applied when necessary.

Benzer Tezler

  1. Tez No

    904272

    Kapalı alan konum belirlemede RFID ve UWB teknolojilerinin performans karşılaştırılması

    The performance comparison of RFID and UWB technologies in indoor positioning

    ÖMER FARUK BAĞDATLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZGÜR ÖZDEMİR

  2. Tez No

    842044

    Visible light positioning in presence of malicious LED transmitters or intelligent reflecting surfaces

    Kötücül LED vericileri veya akıllı yansıtıcı yüzeyler varlığında görünür ışık konumlandırma

    FURKAN KÖKDOĞAN

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SİNAN GEZİCİ

  3. Tez No

    777675

    Bağımsız hareketli hava araçları için konumlandırma sistem tasarımı

    Positioning system design for independent moving aircraft

    MURAT EKİCİ

    Doktora

    Türkçe

    Türkçe

    2023

    Astronomi ve Uzay BilimleriPamukkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. CEYHUN KARPUZ

    DOÇ. DR. AHMET ÇAĞDAŞ SEÇKİN

  4. Tez No

    759884

    Functional metal oxide surfaces: Photocatalytic, self-cleaning andmicro-/nanostructuring applications

    Başlık çevirisi yok

    SALİH VEZİROGLU

    Doktora

    İngilizce

    İngilizce

    2021

    Metalurji MühendisliğiChristian-Albrechts-Universität zu Kiel

    PROF. DR. FRANZ FAUPEL

    PROF. DR. LORENZ KİENLE

    PROF. DR. JOST ADAM

  5. Tez No

    555256

    Kapalı mekanlarda ble beacon kullanarak sunucu tabanlı konum takibi

    Server based indoor location tracking using ble beaconn

    ADEM BAYAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HAKAN KUTUCU

Geri Dön