Universität Rostock Institut für Angewandte Mikroelektronik und Datentechnik

Transkript

1 Ortung in Räumen Agenda Anforderungen Verfahren zur ositionsbestimmung Fehlerbehandlung Anwendungsbeispiele Dirk Timmermann Universität Rostock Institut für Angewandte Mikroelektronik und Datentechnik Begriffe Lokalisierung "Bestimmung der osition eines Objektes" ositionierung latzierung eines Objektes an einem konkreten räumlichen Ort Anforderungen, Definitionen Anforderungen geringer Rechen- und Energieaufwand kostengünstig geringes Volumen Definitionen: physikalische / symbolische osition in Koordinatensystem / "..beim arkplatz.." absolut (global) / relativ (oft lokal) zentrale vs. dezentrale Berechnung aus einfach- oder überbestimmten Glg.systemen (Tri vs. Multi ) Grundlagen Warum ositionsbestimmung? Zuordnung: Messung Ort Effizientes Routing Selbstkonfigurierbarkeit robleme: Zufällige Verteilung der Knoten GS nicht auf jedem Knoten installierbar Lösung Wenige Knoten mit GS Beacons Restliche Knoten Unbekannte Lokale ositionsbestimmung relativ zu Beacons Scenario Celisca Guide Wearing a tag for localization Selbstbestimmtes Leben im Alter Different location, different information Two approaches Compare locations Detect proximity

2 benötigt Methoden zur ositionsbestimmung A) hysikalische Meßwert(e) bzw. Schätzgrößen UND B) Mathematisches Auswerteverfahren hysik. Messung/Schätzung direkt (z.b. mit Zollstock ) Entfernung (Lateration) Winkel (Angulation) Nachbarschaft (roximity) Mustererkennung (attern Matching) Optisch per Szenenanalyse//hotogrammetrie Funk: Fingerprinting Kopplung (dead reckoning) aus bekannter osition über Geschw. & Richtung Trägheitsnavigation oder Odometrie Mathematische Auswertung exakt über Gleichungssysteme mit genau der benötigten Anzahl von Gleichungen für die gesuchten Unbekannten z.b. Trilateration, Triangulation mit überbestimmten Gleichungssystemen durch mehr Messungen als nötig, dadurch Fehlerausgleich der Messungen möglich z.b. Multilateration, Multiangulation approximativ geometrische Ansätze, quick & dirty Wahrscheinlichkeitsansätze KI / neuronale Netze / Mustervergleich Beobachtungsgrößen Zeit Laufzeit EM / akustische Welle - time of flight Winkel / Richtung Signalstärke = elektromagnet. Feldstärke Funk (Licht, Schall) und deren arameter analog bzw. digital (ja/nein, für proximity) ein- oder mehrdimensionale Verteilung (für pattern matching) einmalig / wiederholt differentiell hybrid Einordnung Lateration über Zeit, ToA Lokalisierungsverfahren Time of Arrival Messung der Laufzeit von Licht / EM-Welle in Luft Triangulation Lateration Angulation Geometrische Ansätze Näherungsmessung Schwerpunktbildung Flächenüberlagerung Szenenanalyse Statisch Differentiell hysikalischer Kontakt Überwachung von Bezugspunkten s = v*t = *0 9 m/s * t, t = s/v = 0,5*0-9 s robleme insbes. bei kurzen Distanzen für m nur 500 ps Laufzeit (= GHz), 0 cm => 0 Ghz, feine Ortsauflösung damit schaltungstechnisch schwierig exakt synchrone Zeit im Sender und Empfänger erforderlich (wird bei GS über Atomuhren im Satelliten gelöst) Alternative: Ultraschall => für m 3 ms Laufzeit, aber groß und störanfällig Max. Abstand 3m, Genauigkeit cm

3 Ubisense Lateration über Zeit, TDoA Summary recision Additional Tag Time Difference of Arrival rinzip der räumlichen Ortung unseres Gehörs Varianten )» Sende gleichzeitig iti Funk- und ds Schallsignal l» Laufzeit Funksignal irrelevant vgl. mit Schall» Messe Zeit zwischen eintreffendem Funk- und Schallsignal )» Empfänger sendet auf HW-Ebene empfangenes Funksignal sofort an Sender zurück, dieser misst Zeitdifferenz Vermeidet Synchronizitätsproblem Winkel-/Richtungsmessung Richtantennen Mechanisch gedreht oder elektronisch angesteuert (hased Array Antenna) auf dem Objekt oder- auf den Sendebaken (beacons beacons), drehen sich mit verschiedenen Offsets, dadurch Winkel identifizierbar φ β α γ Nachbarschaft Einfache Lösung beruht auf der Idee mehrerer verteilter Empfänger, deren ositionen bekannt sind. Die osition des zu ortenden Objekts ist dann annähernd dieselbe wie die Koordinaten des dem Objekt nächststehenden Empfängers Nutzung von Nachbarschaftsbeziehungen ermöglicht Ausnutzung geometrischer Betreibernetz Beziehungen φ 3φ Handy Funkmast (Mobile Station) (Base Station) Beispiel: BlueTrack Beispiel: BlueTrack 3

4 Algorithm: Centroid Localization (CL) osition Determination: Sensor nodes receive messages containing position information of n different beacons Sensor nodes can be only located within an area achievable by all n beacons Simple localization through centroid calculation Advantages: No Received Signal Strength measurements, optimum transmit power exists Sensor nodes receive only Simple calculation n i'( x, y) = Bj( x, y) n j = i '( x, y) : Beacon : Sensor Node : Target area of sensor node : Transmission range of beacons Weighted Centroid Localization (WCL) Immobile beacons Approach: B 4 - Emphasize near beacons - Localization by centroid determination d i3 i (CL) d i4 - Improve precision by weighting measured distance d ix using w ij () i '( xy, ) i( xy, ) CL i ''( xy, ) n i'( x, y) = Bj( x, y) d i ''( x, y) = i n j = b ( wij Bj ( x, y) ) j= WCL B B b wij w ij = Weight of distance B j and node i j= b = Number of beacons B j (x,y) = osition of beacons j d i Real position of node B 3 ) N. Bulusu, et. al.: GS-less Low Cost Outdoor Localization For Very Small Devices Lateration über Signalempfangsfeldstärke roblems with RSSI in ractice Transmitter Y Y Receiver Idee: je weiter man vom Sender entfernt ist, desto schwächer ist das empfangene Signal daraus Korrelation Empfangsfeldstärke Distanz ableiten RSSI = Radio Signal Strength Indicator Devices transceiver linearity and sensitivity often RF characteristic battery level dependant nonlinear mapping of received signal strength to discrete RSSI value. Bloc king Scatt ering Refle ction Diffra ction Variation in space (between same devices) in time Channel Signal attenuation 876 MHz 8-0dB by a tree.4 GHz bricks 3dB, tinted glass walls 9dB Distance Estimation with RSSI in Theory RSSI on Chipcon CC00 Energy of signal decreases with distance d Sensor node measures energy of received signal Compared to a reference voltage Received Signal Strength supported by hardware Cheap and often available ower Relations: Received Signal Strength [dbm] R λ0 = GG R S S 4π d Measured RSS d distance d [m] RX λ0 = GRXGTX TX 4π d TX Transmission ower λ 0 RX Received ower G R( )[ ] = S[ ] + 0 log R S 0 log( ) TX Gain at Sender G RX Gain at Receiver 4 π d Distance λ 0 Wave length d dbm dbm G G d Received Sign nal Strength Indicator Distance [m] 4

5 RSSI in Theory and in Reality Max. Transmission ower Transmitter Y Y RSSI in Theory RSSI Receiver RSSI in Reality d Mathematische Auswertung Trilateration Triangulation also mit genau der benötigten Anzahl von Gleichungen für die gesuchten Unbekannten Multilaterationlateration mit überbestimmten Gleichungssystemen durch mehr Messungen als nötig, dadurch Fehlerausgleich der Messungen möglich Verteilte Multilateration Vergleich der Methoden Result: In reality, distances based on RSSI are inaccurate. Trilateration Die Trilateration ist ein ositionsbestimmungsverfahren, bei dem die unkte nur durch Streckenmessungen bestimmt werden. Gleichungen für 3 Knoten im D-Fall: ( x x) + ( y y) = uuur r ( x x) + ( y y) = uuur r ( x x) + ( y y) = uuur r Fazit: 3 Messwerte (r...r 3 ) erforderlich 3 ositionen (... 3 ) gegeben absolute osition sinnvoll Gleichungssystem ist eindeutig bestimmbar ( x, y ) r r 3 X 3 ( x3, y3) r ( x, y ) Besonderheiten in lokalen Systemen Netzwerke mit vielen Knoten Alle Knoten erhalten Informationen über Nachbarn, z.b. durch Distanzmessungen Jeder Knoten benötigt lediglich eigene osition ( Werte) Anzahl Eingangsdaten >> Anzahl Ausgangsdaten Überbestimmtes Gleichungssystem Gleichungssystem explizit nicht lösbar! Gleichungssystem nur näherungsweise lösbar! Ausgleichsrechnung Einfluss der Messfehler auf Ergebnis mit Hilfe der zusätzlichen Messungen und Methode der kleinsten Quadrate zu verringern 8 Wie lösen? Quantität Mathematik Masse Hitachi µ-chip not really a sensor, just passive transponder aka RFID, containing unique 8b ID, 0.4*0.4 mm UC-Berkeley s SEC active sensor node, µc, 3K RAM, 8 bit ADC, propriet. radio interface, *.5 mm 9 hoto: Hitachi hoto: Jason Hill, UCB 5

6 Mathematik + Arbeitsverteilung Distributed Least Squares split multilateration algorithm in parts compute complex part on base station, distribute result to sensor nodes compute simple part on sensor nodes using distance estimation to all beacons 3 Danke für Ihre Aufmerksamkeit 6