Você está aqui: Página Inicial > Defesas > Mestrado - Angela Cristina Eyng
conteúdo

Mestrado - Angela Cristina Eyng

por dirppg-ct publicado 06/12/2019 08h42, última modificação 06/12/2019 08h42
Sistema Híbrido de Localização para ambientes internos assistido por Filtro de Kalman e Fusão de Vetores de Estado
Quando
20/02/2020
de 13h30 até 16h30
(America/Sao_Paulo / UTC-300)
Onde
Sede Central: Sala C-301
Participantes
Prof. Ohara Kerusauskas Rayel, Dr. Orientador - UTFPR
Prof. Elder Oroski, Dr. Coorientador - UTFPR
Banca Examinadora:
Prof. Ohara Kerusauskas Rayel, Dr. Presidente - UTFPR
Prof. Guilherme Luiz Moritz, Dr. - UTFPR
Prof. Marcelo Eduardo Pellenz, Dr. - PUC-PR / UFPR
Adicionar evento ao calendário
iCal

Resumo: Neste trabalho, propõe-se um Sistema Híbrido de Localização para Ambientes Internos (H-IPS, do inglês Hybrid Indoor Positioning Sytem) que realiza a fusão das técnicas de Fingerprinting (FP) e Multilateração (MLT), ambas baseadas no indicador de intensidade de sinal recebido (RSSI, do inglês Received Signal Strength Indicator). O objetivo é estimar a localização de um objeto móvel em um ambiente fechado, considerando que este segue um modelo de movimento com velocidade constante. Aplica-se um Filtro de Kalman (KF, do inglês Kalman Filter) para cada saída (FP e MLT) com o objetivo de suavizar o erro associado a cada técnica. Finalmente, é realizada a fusão dos vetores de estado obtidos após a filtragem, para reduzir a incerteza do posicionamento obtido. Os resultados indicam que o esquema proposto apresenta uma melhora na precisão da estimativa de posição de 46% quando comparado com a técnica de FP e de aproximadamente 54% quando comparado com a técnica de MLT. Além disso, analisou-se a influência do tamanho da grade utilizada para estruturar o banco de dados de fingerprinting, o número de Pontos de Acessos (APs, do inglês Access Points) e como o número de amostras utilizadas afeta a precisão do esquema proposto. Por fim, é demonstrado que a probabilidade de que o erro de distância do H-IPS proposto seja menor do que 2 m é 92%, enquanto que para o FP e MLT, a mesma probabilidade é de 43% e 47%, respectivamente.

Palavras-chave: Fingerprinting, Multilateração, Sistema de Localização para Ambientes Internos, Internet das coisas, Filtro de Kalman, Fusão Sensorial

 

Kalman Filtering and State Vector Fusion-Aided Hybrid Indoor Positioning System

Abstract: In this work it was considered the Bluetooth Low Energy (BLE) beaconing mechanism to propose an Hybrid Indoor Positioning System (H-IPS) that fuses both multilateration (MLT) and fingerprinting (FP) RSSI-based approaches. The aim is to estimate the localization of an indoor target node, which is assumed to follow a uniform motion model. It was adopted Kalman Filtering (KF) to diminish the MLT and FP errors while performing a track-to-track fusion (TTF) of the two KF outputs to further improve the performance. The results indicate that the proposed H-IPS improves the estimation accuracy when individually compared to the standalone FP scheme in up to 46% in the considered scenarios, while the standalone MLT is outperformed in approximately 54%.Moreover, it was also provide some insights on the influence of parameters such as the FP grid size, number of access points (APs) and number of samples on the accuracy of the proposed scheme. Finally, it was show that the probability that the distance error of the proposed H-IPS is lower than 2 m is 92%, while for the FP and MLT the same probability is 43% and 47%, respectively.

Keywords: Fingerprinting, Multilateration, Indoor Positioning System, Internet of Things, Kalman Filtering, Sensor Fusion