Geri Dön

Indoor localisation by using wireless sensor nodes

Kablosuz sensör düğümlerini kullanarak iç mekan yerelleştirmesi

  1. Tez No: 825342
  2. Yazar: HAKAN KOYUNCU
  3. Danışmanlar: PROF. DR. SHUANG HUA YANG
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Loughborough University
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 179

Özet

Bu çalışma, iç mekanda yüksek konum doğruluğuna sahip WSN tabanlı yerelleştirme yaklaşımlarının araştırılmasına ve geliştirilmesine yöneliktir. Çalışmada öncelikle yerelleştirme sistemleri ve WSN mimarisinin tasarımı ve uygulaması, LQI ve RSSI değerlerinin özellikleriyle birlikte özetlenmektedir. İç mekan konumlandırma uygulamalarında parmak izi lokalizasyon yaklaşımı kullanılmaktadır. Bilinmeyen nesne konumlarını tahmin etmek için parmak izi veritabanı ile nesne parmak izleri arasındaki Öklid mesafelerini kullanan bir en yakın komşuluk algoritması (k-NN) kullanılır. Ağırlıklandırılmış LQI ve RSSI değerleri hesaplanmış ve konum tespit doğruluğunun arttırılması için farklı ağırlıklara sahip k-NN algoritmasından yararlanılmıştır. Parmak izi lokalizasyon tekniği ile farklı ağırlık fonksiyonları araştırılmaktadır. Maksimum konum doğruluğunu sağlayan yeni bir ağırlık fonksiyonu belirlenerek hesaplamalarda kullanılmıştır. Çalışma, LQI değerlerini kullanarak centroid lokalizasyonu (CL) ve ağırlıklı centroid lokalizasyonu (WCL) yaklaşımlarının tasarlanmasını ve geliştirilmesini kapsıyordu. Bir referans düğüm yerelleştirme yaklaşımı önerilmiştir. Referans düğümlerinin yıldız topolojisi kullanılacak ve nesne konumuna en yakın referans düğümlerini belirlemek için 3-NN algoritması kullanılacaktır. En yakın referans düğümleri, her bir en yakın referans düğümüne uygulanır ve nesne konumları, en yakın ve en yakın referans düğümleri arasındaki farklar kullanılarak hesaplanır. Yıldız topolojisinde en yakın referans düğümleri arasında komşuluk ağırlıklı yerelleştirme yaklaşımı önerilmektedir. En yakın referans düğümleri arasındaki ağırlıklar, Öklid uzaklıkları ve fiziksel uzaklıklar kullanılarak hesaplanır. Nesne ile en yakın referans düğümleri arasındaki fiziksel mesafeler hesaplanır ve nesne koordinatlarını elde etmek için trigonometrik teknikler kullanılır. Çevreye uyumlu bir merkez lokalizasyon yaklaşımı önerilmiştir. Bilinmeyen nesne konumlarını tahmin etmek için ağırlıklı standart sapma (STD) teknikleri uyarlanabilir bir şekilde kullanılır. Minimum RSSI ortalama değerlerine sahip WSN'ler, algılama alanı boyunca referans düğümleri olarak kabul edilir. Nesne lokalizasyonu bu referans düğümlerine göre iki aşamada gerçekleştirilir. Hesaplanan nesne koordinatları daha sonra gerçek nesne koordinatlarını belirlemek için evrensel koordinat sistemine çevrilir. Sanal parmak izi veri tabanını kullanarak nesnelerin konumlarını belirlemek için sanal parmak izi lokalizasyon tekniği tanıtılmıştır. Fiziksel bir parmak izi veritabanı, LQI dağıtım fonksiyonları kullanılarak sanal veritabanı biçiminde düzenlenir. Parmak izi noktaları arasında doğrusal ve üstel dağılım fonksiyonları ile fiziksel veritabanı elemanları arasında sanal veritabanı elemanları oluşturulur. Yerelleştirme işlemleri sanal veri tabanı ile tekrarlanmakta ve temel parmak izi yaklaşımına göre yerelleştirme doğrulukları iyileştirilmektedir. Hesaplama zamanını ve çabasını azaltmak için algılama alanının bölümlendirilmesi uygulanır. Statik ve dinamik segmentasyon teknikleri uygulanır. Segmentler RSS aralıklarıyla tanımlanır ve bilinmeyen nesne bu segmentlerden birinde lokalize edilir. Parmak izi teknikleri, nesnenin konumunu bulmak için yalnızca ilgili segmentte uygulanır. Son olarak, iç mekanda bilinmeyen nesne konumlarının görselleştirilmesi için tüm hesaplamalarda uygulama programı arayüzleri (API) ile birlikte grafik kullanıcı arayüzleri (GUI) kullanılır.

Özet (Çeviri)

This study is devoted to investigating and developing WSN based localization approaches with high position accuracies indoors. The study initially summarises the design and implementation of localisation systems and WSN architecture together with the characteristics of LQI and RSSI values. A fingerprint localisation approach is utilised for indoor positioning applications. A knearest neighbourhood algorithm (k-NN) is deployed, using Euclidean distances between the fingerprint database and the object fingerprints, to estimate unknown object positions. Weighted LQI and RSSI values are calculated and the k-NN algorithm with different weights is utilised to improve the position detection accuracy. Different weight functions are investigated with the fingerprint localisation technique. A novel weight function which produced the maximum position accuracy is determined and employed in calculations. The study covered designing and developing the centroid localisation (CL) and weighted centroid localisation (WCL) approaches by using LQI values. A reference node localisation approach is proposed. A star topology of reference nodes are to be utilized and a 3-NN algorithm is employed to determine the nearest reference nodes to the object location. The closest reference nodes are employed to each nearest reference nodes and the object locations are calculated by using the differences between the closest and nearest reference nodes. A neighbourhood weighted localisation approach is proposed between the nearest reference nodes in star topology. Weights between nearest reference nodes are calculated by using Euclidean and physical distances. The physical distances between the object and the nearest reference nodes are calculated and the trigonometric techniques are employed to derive the object coordinates. An environmentally adaptive centroid localisation approach is proposed.Weighted standard deviation (STD) techniques are employed adaptively to estimate the unknown object positions. WSNs with minimum RSSI mean values are considered as reference nodes acrosthe sensing area. The object localisation is carried out in two phases with respect to these reference nodes. Calculated object coordinates are later translated into the universal coordinate system to determine the actual object coordinates. Virtual fingerprint localisation technique is introduced to determine the object locations by using virtual fingerprint database. A physical fingerprint database is organised in the form of virtual database by using LQI distribution functions. Virtual database elements are generated among the physical database elements with linear and exponential distribution functions between the fingerprint points. Localisation procedures are repeated with virtual database and localisation accuracies are improved compared to the basic fingerprint approach. In order to reduce the computation time and effort, segmentation of the sensing area is introduced. Static and dynamic segmentation techniques are deployed. Segments are defined by RSS ranges and the unknown object is localised in one of these segments. Fingerprint techniques are applied only in the relevant segment to find the object location. Finally, graphical user interfaces (GUI) are utilised with application program interfaces (API), in all calculations to visualise unknown object locations indoors.

Benzer Tezler

  1. Exploiting coplanar clusters to enhance 3D localization in wireless sensor networks

    3B'de kablosuz algılayıcı ağ konumlamasının i̇yi̇leşti̇ri̇lmesi̇ i̇çi̇n eşdüzlemsel kümeleri̇n kullanılması

    ONUR ÇAĞIRICI

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Ekonomi Üniversitesi

    Akıllı Mühendislik Sistemleri Ana Bilim Dalı

    DOÇ. DR. CEM EVRENDİLEK

    DOÇ. DR. HÜSEYİN AKCAN

  2. Step length estimation using sensor fusion for indoor positioning

    İç mekan konumlandırması için sensor füzyonu ile adım uzunlugu tahmini

    HASBİ SEVİNÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN İNCE

  3. Haraketli robotların kinematik değişkenlerinin tahmin edilmesi için test platform tasarımı

    Test platform desing for kinematic parameter estimation of mobile robots

    SEZAİ HACIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Mühendislik BilimleriHacettepe Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. CAN ULAŞ DOĞRUER

  4. Navigation based on inertial sensor data using deep learning techniques

    Ataletsel sensör verileriyle derin öğrenme teknikleri kullanılarak navigasyon

    MUHAMMET SERHAT SOYER

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiKoç Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET CENGİZ ONBAŞLI

  5. Indoor distance based positioning by using metrics of standard communication technologies

    Standart iletişim teknolojileri metrikleri kullanılarak iç mekan mesafe tabanlı konumlama

    TÜRKER TÜRKORAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Mekatronik MühendisliğiDokuz Eylül Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZGÜR TAMER