RSSI-basierte WLAN-Ortung mit PDA (Personal Digital Assistant)

Transkript

1 RSSI-basierte WLAN-Ortung mit PDA (Personal Digital Assistant) U. Großmann (Markus Schauch, Syuzanna Hakobyan, Matthias Dalhaus) U. Großmann, WCI 2007, Berlin 1

2 Ortung mit WLAN RSSI WLAN : RSSI : Wireless Local Area Network Received Signal Strength Indication (Empfangene Signalstärke) Positionierungsmethoden A Physikalisches Modell der Signalabschwächung und Trilateration B Fingerprint-Methoden (Kalibrierung und Ortungsphase) Euklidischer Abstand Bayes'scher Ansatz (statistisch) Isolinien-Methode U. Großmann, WCI 2007, Berlin 2

3 Ortung über Trilateration AP3 Mobiles Endgerät Basisstation (Access Point) AP1 AP2 U. Großmann, WCI 2007, Berlin 3

4 Signalabschwächung (Physikal. Modell) RSSI ( d ) RSSI ( d0 ) 10 n*log d = + + X d0 Abstand zur Basisstation (m) σ received signal strength (dbm) berechnet U. Großmann, WCI 2007, Berlin 4

5 Signalstärkefeld (RSSI, interpoliert) 6 Dell - AP1 000Grad Feldstärke (Mittelwert) AP 5 Y ,3 3,3 4,3 5,3 6,3 7,3 8,3 9,3 10,3 11,3 12,3 X U. Großmann, WCI 2007, Berlin 5

6 Gemessenes RSSI-Signal vs. Abstand received signal strength index (dbm) Abstand zur Basisstation (m) berechnet gemessen U. Großmann, WCI 2007, Berlin 6

7 Fingerprint-Methoden Euklidischer Abstand / Bayes'scher Ansatz / Isolinien Allgemeine Methode Kalibrierungsphase: Gleichzeitige Messung von RSSI-Tupeln mehrerer Basisstationen an mehreren unterschiedlichen bekannten Positionen Ortungsphase: Gleichzeitige Messung von RSSI-Tupeln mehrerer Basisstationen an einer unbekannten Position Vergleich der gemessenen RSSI-Tupel mit RSSI-Tupeln aus der Kalibrierungsphase Die Position mit dem 'ähnlichsten' RSSI-Tupel aus der Kalibrierungsphase wird als die aktuelle Position angenommen. U. Großmann, WCI 2007, Berlin 7

8 Euklidischer Abstand 2 2 ci1 m1 cin mn d = ( SS SS ) ( SS SS ) SS ci1 : RSSI Wert (Kalibrierungsphase, Position i, Basisstation 1) SS cin : RSSI Wert (Kalibrierungsphase, Position i, Basisstation n) SS m1 : RSSI Wert (Ortungsphase, Basisstation 1) SS mn : RSSI Wert (Ortungsphase, Basisstation n) i : 1 - m, Index der Kalibrierungspositionen U. Großmann, WCI 2007, Berlin 8

9 Bayes'scher Ansatz Ps ( o) = i j n α = 1 γ Po ( s) i j i ( γ P( o s )) P(O j S i ) : bedingte Wahrscheinlichkeit (Beobachtung O j an Position S i ) (normalisiertes Skalarprodukt zweier Histogramme von RSSI-Tupel- Klassen aus der Kalibrierungs- bzw. Ortungsphase) P(S i O j ): bedingte Wahrscheinlichkeit (Position S i falls Beobachtung O j ) O j : Beobachtung (Histogramm aus RSSI-Tupel-Klassen) γ a : a priori Wahrscheinlichkeit für Position S a n : Anzahl von Kalibrierungspositionen α j α U. Großmann, WCI 2007, Berlin 9

10 Die Isolinien-Methode Reale RSSI Isolinien von 3 Basisstationen U. Großmann, WCI 2007, Berlin 10

11 Die Isolinien-Methode Approximierte RSSI Isolinien von 3 Basisstationen U. Großmann, WCI 2007, Berlin 11

12 Die Isolinien-Methode Ranking der besten Dreiecke 4. (4 SP, 4 SL) 1. (6 SP, 4 SL) (3 SP, 4 SL) AP1: -53db AP2: -53db AP3: -47db AP4: -49db tatsächliche Pos. lokalisierte Pos (4 SP, 4 SL) 3. (4 SP, 4 SL) 5. (4 SP, 4 SL) U. Großmann, WCI 2007, Berlin 12

13 Testumgebung : Museum (Kalibrierung) U. Großmann, WCI 2007, Berlin 13

14 Testumgebung : Museum (Triangulation) U. Großmann, WCI 2007, Berlin 14

15 Testumgebung : Museum (Isolinien) U. Großmann, WCI 2007, Berlin 15

16 Testumgebung : Museum (Ranking) triangle 1: NumberOfIntersections = 5, NumberOfIsolines = 4, Coord.: (16 4),(16 5),(15 5) triangle 2: NumberOfIntersections = 3, NumberOfIsolines = 4, Coord.: (16 2),(17 2),(16 3) triangle 3: NumberOfIntersections = 3, NumberOfIsolines = 4, Coord.: (15 0),(16 0),(15 1) triangle 4: NumberOfIntersections = 3, NumberOfIsolines = 3, Coord.: (16 5),(16 6),(15 5) triangle 5: NumberOfIntersections = 3, NumberOfIsolines = 3, Coord.: (15 3),(15 4),(14 3) triangle 6: NumberOfIntersections = 3, NumberOfIsolines = 3, Coord.: (14 1),(15 1),(14 2) U. Großmann, WCI 2007, Berlin 16

17 Verwendete Hardware & Software aéääw=^ñáã=urmî cp`w=mçåâéí=iççñ qjjçäáäéw=ja^=fff Endimna: C#, OpenNetCF kéíöé~êw=td=nmo=mêçë~îé båçáãå~=nkm U. Großmann, WCI 2007, Berlin 17

18 Fingerprints der Kalibrierungsphase date/time MP θ MAC RSSI (db) :32: B6B4D7AD :32: B6B2ADAB :32: B6B2ADD :32: B6B2ADA8B -57 U. Großmann, WCI 2007, Berlin 18

19 c~åüüçåüëåüìäé Testumgebung : Seminarraum U. Großmann, WCI 2007, Berlin 19

20 Testumgebung : Seminarraum U. Großmann, WCI 2007, Berlin 20

21 Zufallspfad U. Großmann, WCI 2007, Berlin 21

22 Mittlerer Abstand Testreihe Mittlerer Abstand (m) Standard Abweichung (m) BAYES Seminar (Zufallspfad) 2,91 1,56 EUKLID Seminar (Zufallspfad) 2,33 1,51 ISOLINIEN Seminar (Zufallspfad) 2,00 1,04 Mittlerer Abstand : Mittelwert der Abstände zwischen Messposition und berechneter Position U. Großmann, WCI 2007, Berlin 22

23 Resümee Ortung in Gebäuden ist mit kommerziell erhältlichen mobilen Endgeräten, wie PDA oder Smartphones und preisgünstigen Access Points, ohne Modifikation von System-Hardware und -Software möglich. Die Isolinien-Methode zeigt gute Ergebnisse im Vergleich mit anderen Methoden (Euklid, Bayes). Weitere Untersuchungen sind notwendig hinsichtlich des Einflusses des OpenNetCF auf die Messergebnisse. Weitere Untersuchungen werden zur Zeit mit Symbian- Smartphones durchgeführt. U. Großmann, WCI 2007, Berlin 23