urČovanie polohy mobilnÝch stanÍc vo vnÚtri budov …diplom.utc.sk/wan/1295.pdf · 2007. 9....
TRANSCRIPT
ŽILINSKÁ UNIVERZITA V ŽILINE ELEKTROTECHNICKÁ FAKULTA
Katedra telekomunikácií
URČOVANIE POLOHY MOBILNÝCH STANÍC VO VNÚTRI BUDOV
PETER HRIŇÁK
2007
Určovanie polohy mobilných staníc vo vnútri budov
DIPLOMOVÁ PRÁCA
PETER HRIŇÁK
ŽILINSKÁ UNIVERZITA V ŽILINE
Elektrotechnická fakulta
Katedra telekomunikácií
Študijný odbor: RÁDIOKOMUNIKAČNÁ TECHNIKA
Vedúci diplomovej práce: Ing. Peter Brída, PhD.
Stupeň kvalifikácie: inžinier (Ing.)
Dátum odovzdania diplomovej práce: 18.6.2007
ŽILINA 2007
ABSTRAKT
Práca je zameraná na realizáciu algoritmov lokalizácie mobilnej stanice
založených na viacerých fyzikálnych princípoch. Obsahuje taktiež delenie
lokalizačných metód a princíp šírenie vĺn vnútri budov s ohľadom na lokalizáciu.
ANOTAČNÝ ZÁZNAM – DIPLOMOVÁ PRÁCA
Priezvisko a meno: Hriňák Peter Školský rok: 2006/2007
Názov práce: Určovanie polohy mobilných staníc vo vnútri budov
Počet strán: 42 Počet obrázkov: 22 Počet tabuliek: 2
Počet grafov: 2 Počet príloh: 12 Použitá literatúra: 16
Anotácia v slovenskom jazyku:
Práca je zameraná na realizáciu algoritmov lokalizácie mobilnej stanice
založených na viacerých fyzikálnych princípoch. Obsahuje taktiež delenie
lokalizačných metód a princíp šírenie vĺn vnútri budov s ohľadom na lokalizáciu.
Anotácia v anglickom jazyku:
This diploma is intent on realization of mobile station localization methods
based on various physical principles. It contains separation of localizations methods
and wave propagation principle for indoor environment with reference to
localization.
Kľúčové slová:
Lokalizácia, RSS, AoA, ToA, TDoA, fingerprint, cell-ID, ray-tracing,
simulácia šírenia vĺn, váhovanie
Vedúci práce: Ing. Peter Brída, PhD.
Recenzent práce: doc., Ing. Ľubomír Doboš, CSc.
Dátum odovzdania práce: 18.5.2007
Obsah iii
OBSAH
Obsah..................................................................................................................iii
Zoznam obrázkov .............................................................................................. iv
Zoznam tabuliek .................................................................................................v
Zoznam použitých skratiek a symbolov ..........................................................vi
1 Úvod..................................................................................................................1
2 Šírenie rádiových vĺn.......................................................................................3
2.1 Dojlúčový model šírenia rádiových vĺn, základný empirický model.........6
2.2 Multi – wall model .....................................................................................8
2.3 Ray tracing..................................................................................................8
2.4 Ďalšie modely šírenia vĺn vnútri budov....................................................10
3 Metódy lokalizácie ........................................................................................11
3.1 Lokalizácia na základe určenia príslušnosti k bunke ...............................11
3.2 Lokalizácia na základe úrovne prijatého signálu - RSS ...........................12
3.3 Lokalizácia na základe času šírenia signálu – ToA..................................17
3.4 Lokalizácia na základe uhlu smeru prijatého signálu – AoA...................20
3.5 Metóda postupného výpočtu polohy ........................................................22
3.6 Lokalizácia na základe porovnávania zhody obrazca ..............................23
4 Simulácie lokalizačných metód ....................................................................25
4.1 Simulácia šírenia EM vĺn - Radiwave Propagation Simulator RPS-v5.3 25
4.2 Simulácia šírenia elektromagnetických vĺn pre RSS – fingerprint ..........26
4.3 Simulácia šírenia elektromagnetických vĺn pre ToA a TDoA .................28
4.4 Lokalizačný algoritmus RSS - fingerprint................................................29
4.5 Lokalizačný algoritmus ToA....................................................................35
4.6 Lokalizačný algoritmus TDoA.................................................................39
5 Záver...............................................................................................................42
Použitá literatúra..............................................................................................43
Zoznam obrázkov iv
ZOZNAM OBRÁZKOV
Obr. 2.1 Značenie rádiových pásiem................................................................................3
Obr. 2.2 Odraz a prienik vĺn.............................................................................................4
Obr. 2.3 Rozptyl vĺn .........................................................................................................4
Obr. 2.4 Dvojcestné šírenie ..............................................................................................6
Obr. 2.5 Ray tracing .........................................................................................................9
Obr. 3.1 Metóda Cell ID.................................................................................................12
Obr. 3.2 Metóda RSS......................................................................................................13
Obr. 3.3 Úniky signálu ...................................................................................................15
Obr. 3.4 Metóda fingerprint............................................................................................16
Obr. 3.5 LoS a NLoS šírenie ..........................................................................................18
Obr. 3.6 Metóda TDoA .................................................................................................19
Obr. 3.7 Meranie časového oneskorenia ........................................................................20
Obr. 3.8 Metóda AoA.....................................................................................................22
Obr. 3.9 Sledovanie pohybu bodu ..................................................................................23
Obr. 4.1 Príklad časti matice obsahujúcej polohy prijímačov........................................28
Obr. 4.2 Príklad časti matice obsahujúcej reálne, resp. imaginárne zložky komplexnej
magnitúdy prijatého signálu....................................................................................28
Obr. 4.3 Prehľad matíc generovaných RPS po úprave a ich vzťahy..............................29
Obr. 4.4 Príklad časti upravenej matice prijatých signálov............................................30
Obr. 4.5 Princíp výberu bodov do databázy vzoriek signálu .........................................31
Obr. 4.6 Závislosť priemernej odchýlky od konštanty a ................................................33
Obr. 4.7 Závislosť presnosti lokalizácie od počtu bodov, ktoré berieme do úvahy .......34
Obr. 4.8 Popis kružnice bodmi rastra .............................................................................38
Zoznam tabuliek v
ZOZNAM TABULIEK
Tab. 4.1 Vysvetlivky k exportu statických dát ako ASCII do viacerých súborov .........27
Tab. 4.2 Načítavanie súborov do premenných ...............................................................31
Tab. 4.3 Porovnanie porovnávacích funkcií...................................................................33
Tab. 4.4 RMSE pre rôzne váhy ......................................................................................35
Tab. 4.5 Ukladanie dát do súborov.................................................................................36
Tab. 4.6 Závislosť priemernej odchýlky pri určovaní polohy MS na základe ToA od
prahovej úrovne signálu..........................................................................................39
Tab. 4.7 Závislosť priemernej odchýlky pri určovaní polohy MS na základe TDoA od
prahovej úrovne signálu..........................................................................................41
Zoznam použitých skratiek a symbolov vi
ZOZNAM POUŽITÝCH SKRATIEK A SYMBOLOV
AoA Angle of Arrival Ohol dopadu signálu
ASCII Acronym for American Standard Code Skratky pre US štandardný kód
BTS Base Transceiver Station Základňová vysielacia stanica
cell Údajový typ bunka
Cell ID Cell Identification Identifikácia bunky
corr2 Korelačná funkcia
EHF Extremely High Frequencies Extrémne krátke vlny
GPS Global Positioning System Globálny lokalizačný systém
HF High Frequencies Krátke vlny
char Údajový typ znak
integer Údajovy typ cele číslo
LBS Local Based Services Služby na základe pozície
LF Low Frequencies Dlhé vlny
LoS Line of Sight Priamy dovid
MF Medium Frequencies Stredné vlny
MNŠ Metóda najmeších štvorcov
MS Mobilná stanica
NLoS Non Line Of Sight Bez priameho dovidu
RFID Radio-Frequency Identification Rádiofrekvenčná identifikácia
RSS Recieved Signal Strength Úroveň prijatého signálu
Rx Receiver Prijímač
SHF Super High Frequencies Super krátke vlny
Zoznam použitých skratiek a symbolov vii
TDoA Time Different of Arrival Rozdiel času príchodu signálov
ToA Time of Arrival Čas príchodu signálu
Tx Transceiver Vysielač
UHF Ultra High Frequencies Ultra krátke vlny
VF Vysoké frekvecie
VHF Very High Frequencies Veľmi krátke vlny
VLF Very Low Frequencies Veľmi dlhé vlny
ZS Základňová stanica
ε permitivita materiálu
µ permeability materiálu
[X, Y] vektor súradníc skutočnej polohy MS
[x, y] vektor súradníc MS určený výpočtom
[xi, yi] vektory polôh stredov kružnic, i = 1, 2, 3
a mocnina v MNŠ
A, B matice rozmerov m, n
b konštanta nelinearity prechodu viacerými podlažiami
d vzdialenosť MS a ZS
d0 Fressnelova vzdialenosť
d1 referenčná vzdialenosť
Gp zisk prijímacej antény
Gv zisk vysielaciej antény
h1 výška vysielacej antény
h2 výška prijímacej antény
kf počet podlaží, kt. pretína spojnica MS a ZS
kwi počet priečok, kt. pretína spojnica MS a ZS
Zoznam použitých skratiek a symbolov viii
L straty šírením, v kapitole 3.2 systémové straty
L1 referenčný útlm
Lf činiteľ útlmu podlažia
Lwi činiteľ útlmu priečky
n koeficient útlmu
Pp prijatý výkon
Pv vysielaný výkon
r koeficient korelácie vektorov MNŠ
r1, r2, r3 polomery kružníc
rx polomer kružnice so stredom v ZSx
ti, tj, tk čas šírenia signálu od ZSi, j, k k MS
TS tlmenie šírením
tx čas šírenia signálu od ZSx k MS
W1, W2, W3 váhy
Xσ náhodná premenná
α uhol dopadu, odrazu vlny
β uhol prieniku vlny
λ vlnová dĺžka
Určovanie polohy mobilných staníc vo vnútri budov
1
1 ÚVOD
Donedávna bol medzi klientmi bezdrôtových sietí dopyt spravidla po len
jednom type telekomunikačnej služby – prenose hlasu. Nasadzovaním digitálnych
sietí však poskytovatelia týchto služieb dokázali ľahko rozšíriť ponuku ponúkaných
produktov o prenos dát. Vznikla taktiež požiadavka, na malé, ľahko spravovateľné
siete s dostatočnou prenosovou kapacitou. Ako odpoveď sa ukázalo byť jedno
z vývojových štádií bunkových sietí: ad-hoc. Ad-hoc siete dokážu splniť
požiadavky dostatočnej prenosovej kapacity, so svojou dynamickou topológiou sú
nenáročné na správu a v konečnom dôsledku sú aj technické prostriedky dostupné
za prijateľné ceny. Rozširovaním spektra služieb poskytovateľmi vznikla
požiadavka na lokalizáciu mobilnej stanice (MS). Vznikol totiž priestor na
poskytovanie služieb závislých od známej polohy MS – LBS (Local Based
Services). V mojej diplomovej práci som sa zaoberal určovaním polohy MS
v špecifickom prostredí - vo vnútri budov, konkrétne pre priestory Katedry
telekomunikácií Elektrotechnickej fakulty Žilinskej univerzity v Žiline.
Na začiatku mojej práce na tomto probléme som sa venoval analýze riešení
iných tímov, ktoré sa venovali danej problematike. Samozrejmosťou by sa zdalo
postaviť základy môjho riešenia na už fungujúcom lokalizačnom systéme. Žiaden
z nich však nie je navrhovaný pre vnútro budov. Napr. GPS (Global Positioning
System) je v tomto prípade nepoužiteľné. Nedokáže dosiahnuť dostatočnú presnosť.
Systém RADAR spoločnosti Microsoft [1] je založený na metóde RSS (Received
Signal Strength) – fingerprint (kap.3.2) a mohol by spĺňať požiadavky na presnú
lokalizáciu vnútri budov. Microsoft si však svoje know-how stráži, venoval som sa
preto štúdiám pracovníkov iných univerzít a laboratórií. Principiálne
najjednoduchšou metódou je lokalizácia na základe RSS (kap. 3.2). Autori v [2] sa
venovali aplikovaniu tejto metódy na štandard bluetooth. Pre jednu miestnosť
s tromi bluetooth prístupovými bodmi dosahovali presnosť 2,06 m. Azda
najrozšírenejšou metódou bola lokalizácia založená na RSS – fingerprint (kap. 3.2)
v sieti založenej na štandarde 802.11. Riešená je napr. v [3], pričom dosahovali pri
praktických meraniach priemernú odchýlku približne 3,5 m. Podobnú metódu
aplikovali na viacpodlažnú budovu v [4]. Pri odhade poschodia, na ktorej sa
Určovanie polohy mobilných staníc vo vnútri budov
2
nachádza MS dosahovali presnosť až 100%, chyba lokalizácie bola 4,7 m. Ako
veľmi perspektívna metóda sa vďaka svojej jednoduchosti javí byť lokalizácia
použitím RFID (Radio-Frequency Identification). Vyžaduje však dobudovanie
dodatočnej infraštruktúry (čítačiek RFID), čo predstavuje samozrejme ďalšie
náklady. Autori sa jej venujú napr. v [5], pričom svojou neštandardnou metódou
dosiahli vynikajúcu presnosť 0,7 metra. Od klasickej koncepcie založenej na RSS
sa odkláňajú práce založené na meraniach rýchlosti šírenia zvuku. V [6]
vypracovali metódu , ktorá dokáže MS lokalizovať pri 97% meraniach s odchýlkou
menšou ako 0,6 m. Ďalšími netypickými formami lokalizácie sú tie, ktoré sú
založené na metóde fingerprint v optickej [7], respektíve IR (Infra Red) oblasti [8].
Vývoju takéhoto systému sa venujú napr. na Rudgers University, resp. Osaka
University.
Na základe vedomostí, ktoré som získal štúdiom týchto a mnohých ďalších
prác a inej literatúry som sa na úvod mojej práce rozhodol rozdeliť metódy
lokalizácie podľa ich princípu. Popisujem taktiež problematiku šírenia
elektromagnetických vĺn vo vnútri budov a niektoré modely šírenia. Mojim
hlavným cieľom bolo realizovať simulačný model lokalizačného algoritmu
založeného na metóde RSS – fingerprint so zlepšením presnosti použitím váhovania
(kap. 4.4). Keď som narazil na prah presnosti tejto metódy pokúsil som sa
dosiahnuť lepšie výsledky použitím metód založených na meraní času šírenia vĺn.
Navrhol som teda algoritmy lokalizácie na báze ToA (kap. 4.5) a TDoA (kap. 4.6).
Určovanie polohy mobilných staníc vo vnútri budov
3
2 ŠÍRENIE RÁDIOVÝCH VĹN
Spôsob šírenia rádiových vĺn závisí hlavne od frekvencie [9]. Od nej závisí,
ako sa bude vlna odrážať, rozptyľovať, ohýbať a tlmiť. Pri realizácií ad-hoc sietí sa
spravidla používajú frekvencie pásma UHF. Označenie rádiových pásiem pozri
obr. 2.1.
Obr. 2.1 Značenie rádiových pásiem
Vlny v pásme UHF sa šíria priestorovou vlnou, ktorá sa šíri v priestore nad
zemským povrchom. Dôvod výberu tohto frekvenčné pásma je vhodnosť týchto
frekvencií pre danú telekomunikačnú prevádzku, relatívne malé straty šírením,
dobrá schopnosť odrážať sa, ohýbať a prenikať zástavbou. Vo vnútri budov bude
šírenie ohybmi, rozptylmi a prienikmi (NLoS), okrem šírenia na priamu viditeľnosť
(LoS) dôležitou súčasťou mechanizmu šírenia elektromagnetických vĺn.
Odraz vĺn nastáva vtedy, ak vlnová dĺžka žiarenia je omnoho väčšia ako
rozmery prekážky [10]. Podľa vlastností materiálu prekážky (ε, µ) potom môže
dôjsť nielen k odrazu, ale aj k prechodu vlny prekážkou, pozri obr. 2.2 a vzťah
(2.1).
VLF LF MF HF VHF UHF SHF EHF
3kHz 30kHz 300kHz 3MHz 30MHz 300MHz 3GHz 30GHz 300GHz
100 km 10 km 1 km 100 m 10 m 1 m 10 cm 1 cm 1 mm
Určovanie polohy mobilných staníc vo vnútri budov
4
Obr. 2.2 Odraz a prienik vĺn
sin α
sin β= ε1 µ1ε2 µ2 (2.1)
Ohyb vĺn [10] nastáva, ak žiarenie dopadá na prekážku, ktorej rozmery sú
porovnateľné s vlnovou dĺžkou žiarenia.
Rozptyl vĺn [10] nastáva na prekážkach omnoho menších, ako je vlnová
dĺžka žiarenia, viď pozri obr.2.3.
Obr. 2.3 Rozptyl vĺn
Spomenuté javy nepriaznivo vplývajú na telekomunikačnú prevádzku.
V niektorých prípadoch sú však žiaduce. Napríklad vo vnútri budov je väčšina
spojení realizovaných bez priamej viditeľnosti, čiže výhradne na základe
spomenutých javov.
Určovanie polohy mobilných staníc vo vnútri budov
5
Pre potreby vytvorenia modelov šírenia je vhodné definovať kategórie
prostredí, pre ktoré budeme predpokladať aplikovanie systému. Spravidla sa jedná
o bunkové siete, kde polomer bunky je závislý na prostredí, telekomunikačných
parametroch navrhovanej siete a ďalších podmienkach. Podľa [9] klasifikujeme
bunky nasledovne:
makrobunka (makrocell) – pevná anténa je umiestnená nad úrovňou striech
zástavby; polomer bunky sa pohybuje medzi 1 až 30 km.
mikrobunka (microcell) – pevná anténa je umiestnená pod úrovňou striech
okolitej zástavby; polomer bunky je typicky 100 až 1000m.
pikobunka (pikocell) – pevná anténa je umiestnená v uzavretom interiéri, t.j.
vo vnútri kancelárskej budovy, v nákupnej hale, alebo v polootvorených
prístreškoch autobusových nástupiští, pričom rozmery buniek dosahujú rádovo
desiatky metrov.
Šírenie vo vnútri budov (v pikobunkách) je z hľadiska zložitosti popisu
šírenia najkomplikovanejší prípad [9]. Spôsobené je to množstvom faktorom
vplývajúcim na prenos, ktoré sme nútený brať do úvahy. Vlny sa totižto šíria
priamo, ale aj odrazmi, ohybmi a prechodmi cez prekážky. Do riešenia musíme
zahrnúť nielen konkrétnu budovu, ale aj jej vybavenie, prípadne okolitú zástavbu,
od ktorej sa môže vlna odrážať a vplývať tak spätne na signál v budove. Existuje aj
ďalší výpočet faktorov, ktoré vplývajú na šírenie vĺn vo vnútri budov, ako sú napr.
dvere (zatvorené – otvorené), podobne okná, pohybujúci sa ľudia, nábytok, zmena
vlhkosti, teploty prostredia atď.. Väčšina z týchto faktorov je takmer neopísateľná.
Ťažko opísateľným sa stáva aj signál, šíriaci sa v chodbách, šachtách, schodištiach
a pod., kde sa môže silne uplatňovať vlnovodový efekt. Tento efekt spôsobuje, že
úroveň signálu takmer vôbec neklesá s rastúcou vzdialenosťou od zdroja. Medzi
dôležité javy, ktoré vplývajú na vlastnosti rádiového kanála patrí aj Dopllerov efekt
[11], ktorý popisuje ovplyvňovanie vlny pri pohybe MS. Vo vnútri budov je však
pohyb MS pomalý, čiže aj vlny sú ovplyvnené minimálne a môžeme teda tento jav
zanedbať.
Určovanie polohy mobilných staníc vo vnútri budov
6
2.1 Dvojlúčový model šírenia rádiových vĺn, základný empirický
model
Dvojlúčový model šírenia vĺn [11] môžeme považovať za jednoduchý
východiskový model, ktorým dokážeme opísať šírenie vĺn vo voľnom priestore nad
rovinou. Výsledný prijatý signál je tvorený súčtom dvoch vĺn – vlny, ktorá sa šírila
priamo a odrazenej vlny, ako je zobrazené na obr. 2.4.
Obr. 2.4 Dvojcestné šírenie
Keď sledujeme aproximáciu závislosti útlmu signálu od vzdialenosti od
vysielača, zistíme, že klesá približne 20 dB na dekádu, pričom toto platí do istej
vzdialenosti. Potom sa tento pokles mení na 40 dB na dekádu. Tento bod nazývame
Fresnelov zlom. Nachádza sa v takej vzdialenosti od vysielača, v ktorom je dráhový
rozdiel priameho a odrazeného lúča rovný polovici vlnovej dĺžky [9]. Pri malých
výškach antén, čo je aj náš prípad túto vzdialenosť zistíme podľa vzťahu (2.2) :
d 0=4 h1h2
λ (2.2)
,kde d0 Fresnelova vzdialenosť (m)
h1, h2 výšky antén (m)
λ vlnová dĺžka (m)
Určovanie polohy mobilných staníc vo vnútri budov
7
Podobne môžeme modelovať aj šírenie v komplikovanejšom prostredí. Ak
predpokladáme útlm signálu, úmerný n-tej mocnine vzdialenosti, môžeme straty
opísať:
L d =L1d 10n log dd 1 (2.3)
,kde L straty šírením [dB]
d vzdialenosť ZS a MS [m]
d1 referenčná vzdialenosť [m]
L1 referenčný útlm v referenčnej vzdialenosti [dB]
n koeficient útlmu
Referenčná vzdialenosť sa volí spravidla jednotková. Orientačnú hodnotu
referenčného útlmu môžeme získať zo vzťahu pre tlmenie voľným šírením:
L1d 1=10log[4πd1λ 2
] (2.4)
,kde λ vlnová dĺžka [m]
d1 referenčná vzdialenosť [m]
L1 referenčný útlm v referenčnej vzdialenosti [dB]
Hodnota n pre priamu viditeľnosť medzi MS a ZS vo vnútri budov je 1,6 až
1,8. Ak medzi MS a ZS neexistuje priama viditeľnosť, hodnota n sa pohybuje
medzi 3 až 6.
Určovanie polohy mobilných staníc vo vnútri budov
8
2.2 Multi – wall model
Omnoho sofistikovanejší a presnejší model šírenia signálu v pikobunkách
predstavuje Multi – wall model [9]. Jedná sa o semi-empirický model. Na rozdiel
od predchádzajúceho modelu berie pri predikcií signálu do úvahy aj steny a ďalšie
prvky interiéru. Za jeho nevýhodu môžeme považovať fakt, že nedokáže simulovať
prostredie podobné vlnovodu, čiže nedokáže správne opísať signál v dlhých
chodbách, schodištiach a podobne. Celkové straty šírením podľa Multi – wall sú:
L d =20 log4πdλ ∑i kwi Lwik f
k f2
k f1−b
L f
(2.5)
,kde L(d) celkový útlm v [dB]
d vzdialenosť MS a ZS [m]
λ vlnová dĺžka v [m]
kwi počet priečok, ktoré pretína spojnica ZS a MS
Lwi činiteľ útlmu priečky [dB]
kf počet podlaží, ktoré pretína spojnica MS a ZS
Lf činiteľ útlmu prechodu podlažim [dB]
b konštanta nelinearity prechodu viacerými podlažiami
Konštanta b je východiskovo 0,46. S narastajúcim počtom podlaží rastie, pri
prechode menej ako 3 podlažiami môžeme exponent zanedbať a uvažovať lineárnu
závislosť kfLf.
2.3 Ray tracing
Ako spomínam v predchádzajúcich kapitolách, opis šírenia
elektromagnetických vĺn vo vnútri budov je veľmi zložitý proces. Rozhodol som sa
Určovanie polohy mobilných staníc vo vnútri budov
9
preto nepoužiť v mojej diplomovej práci častejšie používané modely šírenia
rádiových vĺn. Použil som Ray tracing (sledovanie vĺn) [12].
Ray tracing pracuje na princípe sledovanie vlny zo smeru od prijímača
k vysielaču. V skutočnosti sa vlna samozrejme šíri naopak, preto túto metódu
nemôžeme považovať za fyzikálny model. Takéto sledovanie vlny je principiálne
veľmi jednoduché, jeho algoritmus je však náročný na výpočtovú kapacitu systému.
Napriek svojej jednoduchosti, vykazuje Ray tracing výborné výsledky pri predikcií
signálu v zložitom prostredí.
Princíp metódy je, ako som už spomenul, sledovať lúč signálu od MS k ZS.
Metóda pritom berie do úvahy odraz, rozptyl, ohyb, prechod cez prekážku, ako aj
tlmenie šírením. Algoritmus je rekurzívny. Keďže signál sa v takom zložitom
prostredí, ako je vnútro budov, šíri viacerými cestami, prijatý signál pre danú MS
bude tvorený súčtom signálov z týchto ciest. Na obr. 2.5 sú zobrazené lúče, ktoré
algoritmus vysledoval v modelovej miestnosti pre 54 prijímačov v rastri
s rozostupom bodov 1 m.
Obr. 2.5 Ray tracing
Určovanie polohy mobilných staníc vo vnútri budov
10
2.4 Ďalšie modely šírenia vĺn vnútri budov
V súčasnosti máme pri simuláciách šírenia rádiových vĺn k dispozícií
viacero modelov [9]. Líšia sa v presnosti, náročnosti na výpočet, vo vhodnosti pre
dané prostredie, atď.. Záleží na potrebách návrhára, ktorý z modelov si vyberie, ako
najvhodnejší pre konkrétnu aplikáciu. V mojej diplomovej práci som sa pre
obmedzený priestor venoval len tomu, čo bolo potrebné pre riešenie môjho zadania
diplomovej práce.
Určovanie polohy mobilných staníc vo vnútri budov
11
3 METÓDY LOKALIZÁCIE
Definovať polohu objektu - lokalizovať objekt, znamená určiť jeho polohu
v známych súradniciach. V ideálnom prípade v globálnych súradniciach, aby bolo
možné polohu objektu konfrontovať s polohou iných objektov, niekedy je pre danú
aplikáciu vhodnejšie, resp. je jediné možné, určiť polohu v lokálnych súradniciach.
Lokálne súradnice popisujú len obmedzenú plochu. Väčšinou je nám však známy
vzťah globálnych a lokálnych súradníc, je teda možné prerátať polohu medzi
jednotlivými štandardami.
Vo všeobecnosti môžeme lokalizačné metódy, podľa podielu na samotnom
lokalizačnom procese, rozdeliť na metódy realizované sieťou, realizované MS a
metódy s asistenciou MS [13]. Lokalizačný proces môžeme chápať ako 2
samostatné procesy: meranie a výpočet predpokladanej polohy. V prvom prípade
prebieha meranie aj výpočet v sieti. Preto sa samozrejme predpokladá, že sieť bude
schopná realizovať oba kroky. V druhom prípade prechádza problém meranie a
výpočtu polohy na MS. Zväčšia sa tým nároky na jej vlastnosti, s čim sú spojené
zväčšené rozmery, zložitosť, spotreba, atď.. V poslednom prípade MS síce prevádza
merania nevyhnutné pre lokalizáciu, avšak ich výsledky odošle sieti ZS. Až sieť ZS
vykoná výpočty polohy.
Samotné určovanie polohy môže byť založené na viacerých princípoch.
Budem sa nimi zaoberať v nasledujúcich podkapitolách.
3.1 Lokalizácia na základe určenia príslušnosti k bunke
V niektorej literatúre známa tiež ako Cell-ID. Už z názvu by sme mohli
dedukovať príslušnosť tejto metódy k bunkovým sieťam, nie je to však
podmienkou. Princíp je veľmi jednoduchý. Zjednodušene naznačený na obr. 3.1 a).
Každý vysielač má dosah limitovaný svojim vysielacím výkonom, prostredím
a ďalšími faktormi. Plocha, ktorú ohraničuje dosah jedného vysielača nazvime
bunka. Ak niekoľko vysielačov pokrýva väčšiu plochu, dokážeme identifikovaním
Určovanie polohy mobilných staníc vo vnútri budov
12
vysielača, ktorého signál MS prijíma, určiť bunku, čiže plochu, kde sa MS
nachádza. V celulárnych sieťach sa často využívajú sektorové antény. Princíp
ostáva rovnaký, pozri obr. 3.1 b).
a) b)
Obr. 3.1 Metóda Cell ID
Metóda si našla uplatnenie hlavne v bunkových sieťach, kde bola aj
štandardizovaná ako Cell-ID. Pre lokalizáciu v budovách do tejto skupiny metód
radíme napr. lokalizáciu použitím RFID (Radio-frequency identification).
3.2 Lokalizácia na základe úrovne prijatého signálu - RSS
Metóda RSS je založená na predpoklade, že signál je pri prenášaní rádiovým
kanálom ovplyvnený hlavne tlmením šírením [11]. Tento jav môžeme
v jednoduchom prípade opísať Friisovym vzťahom:
Ppd =Pv GvGpλ
2
4π 2d 2L (3.1)
,kde Pp prijatý výkon [W]
Pv vysielaný výkon [W]
Určovanie polohy mobilných staníc vo vnútri budov
13
d vzdialenosť vysielacej a prijímacej antény [ m]
Gv, Gp zisk vysielacej a prijímacej antény [-]
L systémové straty (nesúvisia so šírením signálu) [-]
λ vlnová dĺžka signálu [m]
Z Friisovho vzťahu je možné ľahko odvodiť vzťah pre výpočet vzdialenosti
vysielača a prijímača. Podmienkou je, že sú známe vlastnosti systému, čiže hodnoty
Gv, Gp, λ, L. Predpokladajme, že máme k dispozícií viacero ZS s prijímačmi so
známou polohou a že MS tvorí vysielač (obr.3.2). MS vysiela časovo nemenný
signál na známej frekvencií. Na základe meraní úrovne prijatého signálu môžeme
odhadnúť vzdialenosť vysielača (MS) od každého prijímača (ZS). Okolo každej ZS
vznikne kruh, ktorého polomerom bude odhadnutá vzdialenosť MS a ZS z
Friisovho vzťahu (3.1). Podmienkou správneho určenia polohy je, aby v dosahu
vysielača MS boli minimálne 3 ZS. V priesečníku týchto kružníc sa nachádza ZS.
ZS a MS si môžu zameniť funkcie vysielača, resp. prijímača. Princíp lokalizácie
ostáva rovnaký. Teoreticky je možné RSS zmerať aj rozdiel síl prijatých signálov,
čím by sme boli schopný použiť diferenciálnu metódu s prekrytím hyperbol, v praxi
sa však spája len s meraním času, preto tejto metóde venujem v kapitole 3.3.
Obr. 3.2 Metóda RSS
Tento model však musíme považovať za teoretický. V reálnych
podmienkach je totiž rádiový kanál ovplyvnený viacerými typmi úniku [9]. Medzi
dlhodobé úniky, okrem spomenutého tlmenia šírením patrí aj tlmenie tienením.
Určovanie polohy mobilných staníc vo vnútri budov
14
Tlmenie tienením má logaritmicko – normálne rozdelenie okolo strednej hodnoty
útlmu závislej od vzdialenosti.
TS d =TS d X σ (3.2)
,kde Xσ náhodná premenná s Gaussovym rozdelením a nulovou
strednou hodnotou, predstavujúci tlmenie tienením
TS(d) celkové dlhodobý únik
TS(d) tlmenie šírením
Okrem dlhodobých únikov pôsobí na signál aj krátkodobý únik. Spôsobujú
ho 2 mechanizmy: viaccestné šírenie a Dopplerovo rozšírenie signálu. Viaccestné
šírenie signálu má za následok, že sa k prijímaču dostane signál po viacerých
trasách s rôznou dĺžkou šírenia a teda aj s rôznou fázou signálu. V prijímači potom
dochádza k interferencií týchto signálov. Dopplerov efekt sa prejavuje pri
pohybujúcich sa MS. Jeho dôsledkom je frekvenčný posun prijímaného signálu. V
kombinácií s viaccestným šírením vznikajú interferenčné signály, ktoré sa prejavujú
ako krátkodobé kolísanie amplitúdy signálu, čo v konečnom dôsledku zavádza
chybu do merania RSS.
Určovanie polohy mobilných staníc vo vnútri budov
15
Obr. 3.3 Úniky signálu
Z výpočtu matematicky exaktne neopísateľných vplyvov vyplýva, že
metóda merania vzdialenosti založená na RSS je značne nepresná. Pre porovnanie
veľkosti vplyvov jednotlivých útlmov uvádzam priebehy útlmov v závislosti na
vzdialenosti od vysielača na obr. 3.3. Za dostatočne presnú by sme ju mohli
považovať pre otvorené priestranstvá, kde je tlmenie šírením dominantnou zložkou
celkového tlmenia. Presnosť lokalizačnej metódy RSS je možné zväčšiť zvýšením
počtu ZS. Pri vyššom počte údajov vzdialenosti MS – ZS je možné vyselektovať
zjavne chybné merania.
Ďalšou cestou, ako zvýšiť presnosť tejto metódy je použitie metódy
fingerprint (odtlačok), ktorá je vlastne kombináciou RSS a metódy lokalizácie
Určovanie polohy mobilných staníc vo vnútri budov
16
založenej na zhode obrazca popisovanej v kapitole 3.5. Táto metóda umožňuje
aplikovať RSS aj pre prostredie vo vnútri budov, pre ktoré by bola inak
nepoužiteľná.
Princíp tejto metódy lokalizácie je nasledovný: Zariadením, ktoré je schopné
scanovať úroveň signálu VF vysielačov, rozlíšiť ich od seba a zároveň čo
najpresnejšie určiť svoju polohu vypracujeme databázu polôh a súhrn vysielačov v
dosahu s úrovňami signálov. Takúto databázu je možné vypracovať bez použitia
takéhoto zariadenia len matematicky, princípom zhodným s RSS, opísaným
v úvode kapitoly, prípadne použitím modelov šírenia vĺn (pozri kapitolu 2), za cenu
zníženia praktickej presnosti. MS v samotnom lokalizačnom procese prevedie scan
VF vysielačov a porovnaním s údajmi z databázy určíme polohu MS. Presnosť je
limitovaná vzdialenosťami bodov z databázy. Dá sa zväčšiť tak, že za polohu MS
nebude braný bod z databázy s najväčšou zhodou VF scanu, ale budeme brať do
úvahy viaceré body databázy, ktoré sa svojim VF scanom podobajú vyhotovenému
MS. Systémom váh, ktoré závisia od porovnávacích funkcií jednotlivých položiek v
databáze, sa potom konečná poloha upraví medzi tieto body (obr. 3.9). Nebude teda
limitovaná bodmi v rastri, čím sa zvýši teoretická presnosť metódy.
Obr. 3.4 Metóda fingerprint
Určovanie polohy mobilných staníc vo vnútri budov
17
Možnosť aplikovateľnosti tejto metódy do už existujúcich systémov je
veľká. Limitujúcim faktorom je však jej nepresnosť.
3.3 Lokalizácia na základe času šírenia signálu – ToA
ToA (Time of Arrival) je veľmi presnou metódou na meranie vzdialenosť a
nepriamo teda aj polohy, je meranie času šírenia signálu [13]. Je známe, že rýchlosť
šírenia elektromagnetických vĺn c ovplyvňuje materiál, v ktorom sa tieto vlny šíria.
Pre šírenie elektromagnetických vĺn pozemných dátových sietí, na ktoré
predpokladáme aplikovanie tejto metódy, tvorí vzduch vždy najväčšiu časť
prostredia, ktorým sa vlna šíri. Nepresnosti spôsobené rozdielnym oneskorením
signálu šíriacim sa v inom prostredí môžeme preto považovať za minimálne. Chybu
do merania samozrejme vnáša viacnásobné šírenie signálu.
Predstavme si jednoduchú situáciu, že MS a ZS sú rozostavené podľa obr.
3.4. Na obr. 3.4 a) sa signál šíri LoS aj NLoS cestou. Ak v praxi použijeme prijímač
rake, dokážeme určiť, ktorý signál je najrýchlejší, čiže sa šíri LoS cestou.
Oneskorenie signálu bude potom zodpovedať vzdialenosti MS a ZS a ak bude
použité pri procese lokalizácie, výsledok nebude ovplyvnený chybou. Na obr. 3.4 b)
modelujem situáciu, pri ktorej vstúpila medzi MS a ZS prekážka, cez ktorú sa
nemôžu šíriť elektromagnetické vlny. Môžu sa však šíriť odrazom, rovnako ako
v prvom prípade. Aj keď použijeme prijímač rake, dokážeme určiť len oneskorenie
signálu šírením, ktoré zodpovedá vzdialenosti šírenia signálu, nie však vzdialenosti
MS a ZS. Výsledok výpočtu teda bude nepresný a ak bude použitý na lokalizáciu
MS, zavedie do výsledku chybu. [9]
Určovanie polohy mobilných staníc vo vnútri budov
18
Obr. 3.5 LoS a NLoS šírenie
Ak dokážeme zmerať LoS signál medzi tromi ZS a MS, dokážeme
jednoducho určiť presnú polohu MS v priesečníku troch kružníc.
Modifikovanou verziou ToA je TDoA (Time Difference of Arrival) [13]. Už
z názvu je zrejmé, že princípom bude meranie rozdielu časov príchodov signálov do
jednotlivých ZS. Medzi dvomi ZS vznikne fiktívna krivka (hyperbola). Ak sa bude
MS nachádzať na akomkoľvek bode hyperboly, bude vždy rozdiel časov príchodov
signálov do ZS konštantný. Základná definícia hyperbolickej funkcie hovorí o
dvoch krivkách funkcie. Jedna platí pre r1 – r2 = d, druhá pre r2 – r1 = d. My však
vieme rozlíšiť, ku ktorej ZS dorazí signál skôr a môžeme preto uvažovať len jednu
krivku. Poloha MS potom bude určená priesečníkom 2 hyperbol, ktoré získame
meraním rozdielov časov príchodov napr. medzi ZS1-ZS2 a ZS2 – ZS3, pozri
obr. 3.5.
Určovanie polohy mobilných staníc vo vnútri budov
19
Obr. 3.6 Metóda TDoA
Aj samotné meranie času šírenia signálu je možné realizovať viacerými
spôsobmi. Ak by bol signál reprezentovaný len impulzom, bolo by možné merať
rozdiel časov medzi nábežnou hranou impulzu vo vysielači a v prijímači, pozri
obr. 3.6 a) Tento systém je používaný napr. V GSM, kde za nábežnú hranu impulzu
môžeme považovať začiatok časového okna v TDMA [13].
Najjednoduchším signálom vhodným pre VF prenos je signál so sínusovým
priebehom. Tu je veľmi ľahké zistiť fázový rozdiel medzi prijatým a referenčným
signálom, obr. 3.6 b). Referenčný signál pritom musí byť synchronizovaný s
ostatnými ZS. Maximálna vzdialenosť MS a ZS, ktorú je systém schopný korektne
určiť je limitovaný vlnovou dĺžkou signálu. Tá musí byť veľmi nízka a vyvstáva
potom problém s veľkosťou antén. Jeden zo systémov založených na tomto princípe
je GPS [14].
Určovanie polohy mobilných staníc vo vnútri budov
20
Obr. 3.7 Meranie časového oneskorenia
Meranou veličinou nemusí byť fáza nosnej, ale napríklad fáza
namodulovanej informácie (obr. 3.6), povedzme postupnosti kódu. Princíp taktiež
spočíva v meraní fázového posunu oproti referenčnému signálu, frekvencia nosnej
však nemusí byť limitujúcim faktorom maximálnej meranej dĺžky. Môžeme totižto
vytvoriť veľmi dlhý kód, postačujúci pre meranie veľkých vzdialeností. Patrí medzi
štandardné metódy GPS.
3.4 Lokalizácia na základe uhlu smeru prijatého signálu – AoA
Určovanie polohy mobilných staníc vo vnútri budov
21
Princíp AoA (Angle of Arrival) metódy je na obr. 3.7 a). Opäť
predpokladajme MS obsahujúcu vysielač a ZS s prijímačom a presne známou
polohou. Ak vieme určiť smerový uhol, pod akým dopadá signál z MS na anténny
systém ZS, dokážeme určiť fiktívnu polpriamku, na ktorej sa nachádza MS. Pri
zameraní dvoma ZS určíme priesečník týchto polpriamok, ktorý je súčasne
odhadom polohy MS [13]. Pripomínam, že princíp metódy ostáva nemenný, ak
bude MS obsahovať prijímač a ZS vysielač.
Zo samotného princípu tejto metódy je zrejmé, že sú tu kladené veľké
nároky na anténny systém. Ani nie z hľadiska citlivosti, prípadne selektivity, ale z
hľadiska smerovosti.
Na princípe určovania smerového uhla pracuje aj anténny systém radaru. Ide
o smerovú anténu, rotujúcu okolo vertikálnej osi, ktorej rotačný pohyb, čiže aj uhol
príjmu, je v každom čase známy. Z prijatého signálu je potom možné určiť smer,
odkiaľ je vysielaný. Zameraním viacerými takýmito anténami je možné určiť
spomínané polpriamky a ich priesečník, čiže odhad polohy. Podobný výsledok je
dosiahnuteľný aj bez použitia zložitej, automaticky rotujúcej smerovej antény.
Postačujúca je smerová anténa s dostatočne úzkou smerovou charakteristikou,
ktorou sme schopní otáčať okolo vertikálnej osi a určiť smerový uhol príjmu.
Prakticky však nie je možné dosiahnuť ideálne úzku smerovú
charakteristiku, čo vedie k uvažovaniu použitia sektorových antén. Tu však
nedokážeme určiť konkrétnu polpriamku, na ktorej sa MS nachádza, ale kruhový
výsek so známym ulom otvorenia. Z tohto ale vyplýva, že odhad výslednej polohy
nie je bod, ale plocha, ktorú ohraničujú prieniky týchto výsekov (obr. 3.7 b)). Je
preto, pre zvýšenie presnosti žiaduce, aby bola MS zameraná viacerými ZS.
Dosiahneme tak zmenšenie výslednej oblasti. Praktickým príkladom môže byť
lokalizácia v GSM, kde BTS stanice používajú sektorové antény so 120°
vyžarovacím ulom. V tomto prípade nejde o úplne jednoznačnú lokalizáciu na
základe AoA, pretože každá sektorová anténa pokrýva oblasť so samostatnou
identifikáciou. Mohlo by sa preto jednať o kombináciu s Cell-ID.
Tretiu možnosť merania smerového uhla predstavujú adaptívne antény.
Adaptívne antény tvorí sústava sektorových antén nasmerovaných tak, aby súčet ich
Určovanie polohy mobilných staníc vo vnútri budov
22
smerových charakteristík vytvoril všesmerovú charakteristiku. Systémom váh pre
jednotlivé antény potom dokážu adaptívne antény určiť konkrétny sektor, čiže
kruhový výsek, v ktorej sa nachádza MS. Princíp odhadu oblasti, v ktorej sa
nachádza MS je potom rovnaký s predchádzajúcimi spôsobmi.
a) b)
Obr. 3.8 Metóda AoA
Problémom pri lokalizácií na základe tohto princípu tkvie v tom, že
vyžaduje priamu viditeľnosť z MS na ZS, čiže LoS šírenie. Môže nastať prípad, že
anténa ZS zachytí odrazený signál, ktorý sa nebude šíriť zo smeru, kde je MS a tak
zmarí celý lokalizačný proces.
Jednoduchosť implementácie tejto metódy na už existujúce systémy hovorí
jednoznačne v jej prospech. Presnosť výslednej lokalizácie je však nedostatočná a
vo veľkej miere závisí od systému, na ktorý je aplikovaná.
3.5 Metóda postupného výpočtu polohy
V zahraničnej literatúre sa môžeme stretnúť s názvom metódy „Dead
Reckoning“. Tento spôsob lokalizácie je jedným z prvých, ktoré ľudstvo vôbec
využívalo. Na navigáciu svojich lodí ju používali už moreplavci v 17. storočí.
Principiálne sa jedná o veľmi jednoduchú metódu [13]. Podmienkou je známa
Určovanie polohy mobilných staníc vo vnútri budov
23
počiatočná poloha a k nej sa postupne pripočítavajú vektory vzdialenosti, ktoré
vypočítame zo známeho smeru, rýchlosti a času pohybu podľa vzťahov
(3.3) a (3.4).
x1 = x0 + L cos α (3.3)
y1 = y0 + L sin α (3.4)
Princíp je znázornený na obr. 3.8.
Obr. 3.9 Sledovanie pohybu bodu
V modernej technike sa používajú na snímanie pohybu a jeho zmien smeru
citlivé gravitačné senzory. Pre lokalizáciu MS v našom ponímaní, čiže malého
prenosného zariadenia je však táto metóda nevyhovujúca. MS obsahujúca snímače
zrýchlenia by bola náchylná na otrasy pri bežnom používaní, čo by do meraní
vnášalo nepresnosti.
3.6 Lokalizácia na základe porovnávania zhody obrazca
Ako napovedá názov kapitoly, objekt lokalizujeme na základe zhody
obrazca, ktorý MS vyhotoví s databázou obrazcov známej polohy, ktorú mame
k dispozícií [13]. Porovnaním najväčšej zhody, resp. podobnosti k obrazcu
Určovanie polohy mobilných staníc vo vnútri budov
24
z databázy určíme polohu MS. V základe môžeme porovnávať optický a neoptický
obrazec.
Neoptický obrazec, napr. scan VF vysielačov v dosahu MS je známy ako
fingerprint, príp. odtlačok, ktorému sa podrobnejšie venujem v kap. 3.2.
Pri porovnávaní obrazcov v optickej oblasti ostáva princíp nemenný. Na
vytvorenie databázy sa požíva kamera, prípadne fotoaparát, ktorý obsahuje taktiež
MS, pozri [7][13]. Na určenie polohy sa potom taktiež používa porovnávanie
obrazcov.
Statická optická metóda je založená na rozpoznávaní statických obrazov.
Podobne ako pri metóde fingerprint je nutné vytvoriť databázu obrazov z rôznych
perspektív na presne lokalizovaných pozíciách. Porovnaním týchto obrazov
môžeme odhadnúť polohu MS.
Pri dynamickej optickej metóde určujeme polohu MS analýzou rozdielov
medzi obrazmi vyhotovenými s istým časovým oneskorením. Spracovanie obrazov
a ich porovnávanie je náročné na výpočtovú kapacitu systému, čo je značnou
nevýhodou oproti iným metódam.
Určovanie polohy mobilných staníc vo vnútri budov
25
4 SIMULÁCIE LOKALIZAČNÝCH METÓD
V rámci mojej DP som simuloval 3 lokalizačné metódy: RSS – fingerprint
s váhovaním, ToA a TDoA. Simuláciu každej z metód je možné rozdeliť na dve
základné časti: simuláciu šírenia elektromagnetických vĺn s následným exportom
a spracovaním výsledkov simulácie zo simulačného programu a algoritmus
lokalizácie, podľa danej metódy. Simulácie šírenia vĺn som realizoval v študentskej
verzii simulačného programu RPS-v5.3 [15] od spoločnosti Radioplan GmbH a
algoritmus lokalizácie v prostredí Matlab v 7.0.1.24704(R14) Service pack 1 od
spoločnosti The MathWorks, Inc..
4.1 Simulácia šírenia EM vĺn - Radiwave Propagation Simulator
RPS-v5.3
Ako základ pre simuláciu šírenia vĺn je nutné zadefinovať prostredie,
v ktorom sa vlny šíria. Program RPS obsahuje vlastný editor prostredia, v ktorom
som nakreslil vertikálne plochy katedry tak, ako sú k dispozícií v evakuačnom
pláne, pozri prílohu 1. Editor obsahuje viac druhov preddefinovaných materiálov,
ktorých vlastnosti je možné do určitej miery meniť. Z týchto som nakreslil
obvodové múry, priečky, okna a dvere, každé do samostatnej vrstvy. Vrstvy je
možné neskôr, v rámci pokusov, vypínať, prípadne meniť vlastnosti materiálu
vrstvy. Podlaha sa definuje samostatne, rozpoznávanie strechy je automatické.
Za ďalší vstup do programu môžeme považovať podmienky šírenia
elektromagnetických vĺn, ako sú napr.: počet odrazov, ohybov, prechodov cez
materiál, braných do úvahy pri výpočtoch, prahová úroveň signálu atď., pozri
prílohu 2. Ja som pri simulácii východiskovo používal prahovú úroveň signálu -200
dB. Pri parametroch počet odrazov, prienikov a ohybov som bol limitovaný
študentskou verziou na 2 odrazy, 2 prieniky a 1 ohyb. Študentská verzia RPS
Určovanie polohy mobilných staníc vo vnútri budov
26
používateľa taktiež limituje v počte polygónov, ktorými simulátor popisuje
prostredie. V mojom prípade bol na opis katedry tento počet dostačujúci.
Po dokončení mapy a definovaní podmienok šírenia som do mapy vložil
viacero vysielačov. Z predchádzajúcich kapitol je zrejmé, že väčšina lokalizačných
metód vyžaduje pre svoju správnu funkciu minimálne 3 vysielače so známou
polohou v dosahu prijímača. Vložil som preto do mapy 10 vysielačov (príloha 3),
aby som dostatočne pokryl oblasť. Ich vlastnosti sa som definoval podľa štandardu
802.11 [16], ako uvádzam v prílohe 4. Mapu pokrytia signálom som dostal tak, že
celú mapu katedry som označil ako pole prijímačov uložených v rastri
s požadovaným rozostupom bodov v rovine vodorovnej k podlahe vo výške 1,5 m.
Po nadefinovaní potrebných parametrov simulácie som mohol spustiť
simuláciu. Z preddefinovaných modelov šírenie som vybral 2.5D ray – tracing
(kap. 2.3). Tento proces je veľmi náročný na výpočtovú kapacitu [12]. Pri vysokej
presnosti simulácie a počte javov, ktoré ma brať simulátor do úvahy (malom
rozostupe bodov v rastri prijímačov má za následok vysoký počet prijímačov) môže
trvať aj niekoľko hodín.
RPS umožňuje spracovať a exportovať výsledky simulácií viacerými
spôsobmi. Pre RSS – fingerprint a ToA, resp. TDoA sa osvedčili 2 rôzne spôsoby
exportu. Podrobnejšie sa im budem venovať v nasledujúcich kapitolách.
4.2 Simulácia šírenia elektromagnetických vĺn pre RSS –
fingerprint
Pre túto metódu som zvolil rozostup bodov v rastri 20 cm. Vypracoval som
tak detailnú mapu pokrytia celej katedry s dostatočným počtom bodov. Ako píšem
v predchádzajúcej podkapitole, RPS-v5.3 dokáže exportovať namerané výsledky vo
viacerých formách. Okrem grafického vykreslenia aj vo viacerých formách matíc
[15]. Pre túto metódu som zvolil export statických dát ako ASCII do viacerých
súborov (Export Static Data as ASCII in Multiple Files) s názvom xxx, pre vysielač
yyy (Tx0, Tx1...), pozri tab. 4.1.
Určovanie polohy mobilných staníc vo vnútri budov
27
Tab. 4.1 Vysvetlivky k exportu statických dát ako ASCII do viacerých súborov
Názov súboru Obsah
xxx.ascii parametre simulácie ako stredná frekvencia, šírka pásma,
atď.
xxx_real_yyy.ascii reálne zložky komplexnej magnitúdy prijatého signálu
od vysielača yyy
xxx_imag_yyy.ascii imaginárne zložky komplexnej magnitúdy prijatého
signálu od vysielača yyy
xxx_tx_name.ascii názvy všetkých vysielačov v dosahu
xxx_numpaths_yyy.ascii počet dostupných ciest signálu
xxx_rx_position.ascii polohy všetkých prijímačov
xxx_tx_position.ascii polohy všetkých vysielačov
xxx_tx_phi_yyy.ascii azimutálne uhly lúčov vysielača yyy pre každý prijímač
xxx_rx_phi_yyy.ascii azimutálne uhly lúčov prijímača pre vysialač yyy
xxx_tx_theta_yyy.ascii Elevačné uhly lúčov vysielača yyy pre každý prijímač
xxx_rx_theta_yyy.ascii Elevačné uhly lúčov prijímača pre vysialač yyy
Pre lokalizačné algoritmy som používal matice reálnych a imaginárnych
zložiek komplexnej magnitúdy prijatého signálu od vysielačov yyy a maticu polôh
všetkých prijímačov.
Súbor xxx_rx_position.ascii obsahuje polohu každého prijímača v rastri,
pričom je každému priradený jeden riadok matice, kde sú v troch stĺpcoch súradnice
polohy x, y, z, v metroch, pozri obr. 4.1. Matice reálnych a imaginárnych zložiek
komplexnej magnitúdy prijatého signálu obsahujú úroveň prijatého signálu od
vysielača yyy v mW pre maximálne 10 rôznych ciest šírenia a to pre každý bod
rastra (prijímač) v samostatnom riadku, ako uvádzam na obr. 4.2. Matica polôh
prijímačov a matice úrovní prijatých signálov sú spriahnuté indexami riadkov, tzn.
prijímač o polohe danej v i-tom riadku matice polôh prijímačov prijíma signál od
vysielača yyy, ktorého úroveň je definovaná v i-tych riadkoch matíc reálnych
a imaginárnych zložiek komplexnej magnitúdy prijatého signálu.
Určovanie polohy mobilných staníc vo vnútri budov
28
Popis tučnými kurzívami exportované matice neobsahujú.
Obr. 4.1 Príklad časti matice obsahujúcej polohy prijímačov
Obr. 4.2 Príklad časti matice obsahujúcej reálne, resp. imaginárne zložky komplexnej magnitúdy prijatého signálu
4.3 Simulácia šírenia elektromagnetických vĺn pre ToA a TDoA
Samotný proces simulácie ostáva oproti predchádzajúcej metóde nemenný.
Zmenil som len spôsob exportovania výsledkov. Matice predchádzajúceho spôsobu
exportu totiž neobsahovali informácie o oneskorení signálu v bode príjmu. RPS
však umožňuje uložiť výsledky aj ako jeden súbor v ASCII (Export Data as ASCII-
X Y Z
Rx i
Rx i+1
Rx i+2
0,8 0,6 1,5
0,8 0,8 1,5
0,8 1,0 1,5
Cesta 1 Cesta 3 ... Cesta 9 Cesta 10
0 0 … 0 0
4,709037e-005 0 … 0 0
0,002372948 5,94827e-006 … 0 0
Rx i
Rx i+1
Rx i+2
Určovanie polohy mobilných staníc vo vnútri budov
29
file), ktorá tieto informácie, okrem iných, obsahuje. Táto forma však nie je
primárne určená pre ďalšie spracovanie v Matlab-e. Metodiku načítania v prostredí
Matlab popisujem neskôr v kapitole 4.5. Ako pole prijímačov som použil raster so
vzdialenosťami bodov 1m. Dostal som tak dostatočný počet bodov na overenie
presnosti lokalizačného algoritmu. Časť z tohto súboru uvádzam ako príklad
v prílohe 5.
4.4 Lokalizačný algoritmus RSS - fingerprint
Prvým krokom je úprava matíc generovaných simulátorom. Po exportovaní
výsledkov z RPS som dostal 21 matíc (matice imaginárnej a matice reálnej zložky
prijatého signálu v každom bode rastra pre 10 vysielačov a matica polôh bodov
rastra – prijímačov), každú v samostatnom súbore. Mojim cieľom bolo po úprave
v Matlabe dostať štyri matice v štyroch súboroch. Maticu polôh bodov rastra,
maticu databázy signálov podľa definície RSS – fingerprint s rozostupom bodov
1m, maticu s úrovňami signálov vo všetkých bodoch rastra s rozostupom bodov 20
cm, ktorú využijem ako množinu testovacích bodov a maticu polôh bodov databázy,
pozri obr. 4.3.
Obr. 4.3 Prehľad matíc generovaných RPS po úprave a ich vzťahy
Testovacie body - Rxm.met (20 cm raster)
Body databázy - Rx.met (1m raster)
Polohy test. bodov – xxx_rx_position.ascii
Polohy bodov databázy – RxPos.met
Spriahnuté indexami riadku
Spriahnuté indexami riadku
Určovanie polohy mobilných staníc vo vnútri budov
30
Súbor s maticou obsahujúcou informácie o polohách bodov rastra som
nechal bez zmeny (xxx_rx_position.ascii). Maticu s úrovňami signálov od všetkých
vysielačov som urobil tak, že pre každý vysielač som vektorovo sčítal reálnu
a imaginárnu zložku signálu všetkých ciest šírení a uložil do výslednej matice do
riadka korešpondujúceho s riadkom v matici polôh bodov rastra a stĺpca
zodpovedajúceho číslu vysielača. Posledným krokom pri úprave je prepočet hodnôt
v matici z mW na dB. Prepočet vplýva na presnosť lokalizácie. Chyba lokalizácie
sa po ňom zmenší asi o 15%. V prípade, že nastal prípad 10log 0[mW] = inf [dB],
považoval som za inf -200dB. Príklad časti takto vytvorenej matice je na obr. 4.4.
Popis tučnými kurzívami exportované matice neobsahujú.
Obr. 4.4 Príklad časti upravenej matice prijatých signálov
Maticu v takto upravenej forme som uložil ako Rxm.met - samostatný súbor
v ASCII pre ďalšie výpočty, pričom obsahuje signály od všetkých vysielačov pre
všetky body rastra prijímačov. Neskôr som ju využíval ako množinu testovacích
bodov. Podľa princípu RSS – fingerprint je nutné získať databázu vzoriek signálu.
Dostal som ju tak, že som vybral z predchádzajúcej matice len tie body, ktoré tvoria
raster s metrovým rozostupom bodov. Uložil som ho ako samostatný súbor Rx.met
v ASCII. Analogicky som urobil aj s maticou polôh bodov databázy a uložil som ju
ako RxPos.met. Princíp výberu bodov do matice RxPos.met z matice
Rx i
Rx i+1
Rx i+2
Tx1 Tx2 ... Tx10
-200 -7,2837987e+001 ... -9,0735984e+001
-200 -6,29486289+001 ... -200
-9,8739562e+001 -200 ... -6,9835403e+001
Určovanie polohy mobilných staníc vo vnútri budov
31
xxx_rx_position.ascii je znázornený na obr. 4.5, vývojový diagram tohto algoritmu
je uvedený v prílohe 6.
Obr. 4.5 Princíp výberu bodov do databázy vzoriek signálu
Samotný lokalizačný algoritmus som taktiež naprogramoval v Matlabe.
Vývojový diagram uvádzam v prílohe 7. Prvým krokom je načítanie databáz do
premenných, opísaným v tab. 4.2:
Tab. 4.2 Načítavanie súborov do premenných
Meno súboru Meno premennej
Rx.met Rx
Rxm.met Rxm
RxPos.met RxPos
xxx_rx_position.ascii RxPosm
Náhodnú polohu MS som simuloval príkazom randint. Určí číslo typu
integer v rozsahu 1 až po maximálny počet vzoriek v matici RxPosm, ktoré
Určovanie polohy mobilných staníc vo vnútri budov
32
využívam ako číslo riadka v matici Rxm. Dostanem tak náhodný vektor prijatých
signálov.
Ďalším krokom je hľadanie najpodobnejšieho vektora signálov z databázy
signálov Rx. Za logicky najvýhodnejšiu porovnávaciu funkciu som považoval
koreláciu. Matlab obsahuje funkciu corr2(A,B), ktorá vypočíta koeficient korelácie
vo všeobecnosti podľa vzťahu:
r=∑m
∑n
Amn−ABmn−B
∑m∑n
Amn−A2∑m∑n
Bmn−B2. (4.1)
V mojom prípade, keďže počíta koreláciu dvoch vektorov, n = 0. Na
porovnávanie vektorov som použil aj modifikovanú metódu najmenších štvorcov
(MNŠ):
r=∑m
Am−Bma
(4.2)
, kde koeficient a je kladné párne číslo, východiskovo 2.
Na exaktné opísanie presnosti algoritmu som musel ešte vypracovať metódu
na výpočet vzdialenosti medzi skutočnou polohou MS a polohou, ktorú určí
algoritmus. Skutočná poloha MS, aj poloha MS určená algoritmom je v podstate
vektorom súradníc v metroch. Vypočítal som teda jednoducho rozdiel vektorov:
vzdialenosť= X−x 2Y− y 2 . (4.3)
,kde vektor [X,Y] opisuje skutočnú polohu MS
vektor [x,y] opisuje predpokladanú polohu bodu, ktorú určil
algoritmus
Určovanie polohy mobilných staníc vo vnútri budov
33
Priemernú odchýlku z viacerých pokusov som určil ako trednú hodnotu
kvadratickej odchýlky (RMSE).
Súradnicu určujúcu výšku MS môžeme zanedbať, keďže algoritmus MS
lokalizuje len v rovine vodorovnej k podlahe. Za výšku potom automaticky
predpokladám 1,5 metra. RMSE pri 10 000 meraniach pozri. tab. 4.3.
Tab. 4.3 Porovnanie porovnávacích funkcií
Porovnávacia metóda RMSE [m]
MNŠ 2,2112
corr2 2,8828
Ako je zrejmé z tab. 4.3, MNŠ je pri určovaní polohy asi o 0,67 metra
presnejšia. V ďalšom zlepšovaní presnosti som sa preto sústredil na MNŠ.
MNŠ som sa pokúsil upraviť tak, aby som dosiahol zvýraznenie väčších
a potlačenie menších rozdielov v celkovom hodnotení korelácie vektorov. Dosiahol
som to tak, že za koeficient a vo vzťahu (4.2) som dosádzal kladné párne čísla
a sledoval som zmeny v presnosti určovania polohy algoritmom. Výsledky som
zhrnul v grafe na obr. 4.6.
2,2
2,205
2,21
2,215
2,22
2,225
2,23
2,235
0 2 4 6 8 10
koeficient a
RMSE [m]
Obr. 4.6 Závislosť RMSE od koeficientu a
Určovanie polohy mobilných staníc vo vnútri budov
34
Ako je zrejmé z obr. 4.3, MNŠ s konštantou a = 4 vykazuje najmenšiu
odchýlku algoritmom určenej a skutočnej polohy MS. V ďalších výpočtoch som
preto používal a = 4.
Ďalšia možnosť zvýšenia presnosti spočíva v tom, že pri výslednom výpočte
budem brať do úvahy viaceré body. Výsledná poloha bude vypočítaná ako
priemerná z týchto n bodov. Z nasledujúcej závislosti na obr. 4.7 vyplýva, že
najvyššiu presnosť som dosiahol pri použití troch bodov.
2,06
2,08
2,1
2,12
2,14
2,16
2,18
2,2
2,22
2,24
2,26
0 1 2 3 4 5 6 7
n - počet uvažovaných bodov
RMSE [m
]
Obr. 4.7 Závislosť presnosti lokalizácie od počtu bodov, ktoré berieme do úvahy
Doposiaľ neveľmi používanou metódou na zvýšenie presnosti je použitie
váh. Princíp spočíva v tom, že bodom, podľa predpokladanej presnosti pridelíme
váhu, s akou sa bude podieľať na výpočte výslednej polohy MS – x,y. Na základe
predchádzajúcich výsledkov som sa rozhodol používať 3 body a prideľovať im
váhy podľa stupňa korelácie. Vývojový diagram algoritmu lokalizácie s váhovaním
je totožný s diagramom v prílohe 7 s tým, že v bode 1 pokračuje, ako je uvedené
v prílohe 8. Vzťahy pre výpočet konečnej polohy potom boli:
Určovanie polohy mobilných staníc vo vnútri budov
35
x=W1 x1W2 x2W3 x3
W1W2W3 (4.4)
y=W1 y1W2 y2W3 y3
W1W2W3 . (4.5)
,kde W1, W2, W3 sú váhy bodov podľa predpokladanej presnosti od
najpresnejšieho, ktoré sú dané súradnicami [x1 y1 1,5], [x2 y2 1,5], [x3 y3 1,5].
Mojim cieľom bolo zistiť, pri akých váhach bude stredná kvadratická
odchýlka skutočnej polohy MS a polohy určenej algoritmom minimálna.
V nasledujúcej tab. 2 som zhrnul výsledky pokusov.
Tab. 4.4 RMSE pre rôzne váhy
Váhy 4 – 3 – 2 3 – 2 – 1 4 – 2 – 1 6 – 3 – 1 8 – 5 – 1
RMSE [m] 2,033 2,028 2,025 2,034 2,046
4.5 Lokalizačný algoritmus ToA
Lokalizácia na základe času šírenia vlny umožňuje veľmi presné merania
vzdialeností. Prináša však so sebou problém vyselektovania najrýchlejšieho signálu,
ktorý by sme mohli považovať za signál šírený dráhou LoS, ktorého čas šírenia by
bol priamo úmerný vzdialenosti od zdroja. V praxi sa používajú prijímače rake,
ktoré toto dokážu. Exportom výsledkov simulácie v RPS do súboru ako dáta
v ASCII (pozri časť súboru ako príklad v prílohe 5 som dostal presné časy šírenia
LoS aj NLoS vĺn, nanešťastie však súbor nie je vhodný na import do prostredia
Matlab. Pre ďalšie výpočty som ho musel upraviť. Pre pochopenie týchto úprav je
nevyhnutné pochopiť organizáciu dát uložených v súbore.
Dáta v súbore v ASCII tvare sú organizované do buniek, premenlivej
veľkosti. Každá bunka obsahuje informácie pre jeden vysielač. V hlavičke sú
uvedené údaje o polohe prijímača. V ďalšej časti sa nachádza popis k informáciám
Určovanie polohy mobilných staníc vo vnútri budov
36
a následne informácie vo forme tabuľky. Algoritmus úprav začína načítaním súboru
do prostredia Matlab vo forme tabuľky údajového typu cell. Pre následnú analýzu
som ju konvertoval na typ char. Algoritmus v nasledujúcom kroku analyzuje každé
políčko tabuľky, pričom vyhľadáva hranice buniek. Z hlavičky každej z nich potom
určí súradnice prijímača, ktorého príjem popisuje. Ďalšia časť programu sleduje
vysielače, ktoré je prijímač schopný zaznamenať a aj najmenšie oneskorenie signálu
od každého vysielača v dosahu. Výsledky analýz uloží ako 3 samostatné súbory
podľa tab. 4.5.
Tab. 4.5 Ukladanie dát do súborov
Obsah súboru Meno súboru
Matica polôh prijímačov RxPos.met
Matica prijímačov v dosahu Tx.met
Matica najmenších oneskorení signálov Tau.met
Matice sú opäť spriahnuté indexami, tzn. prijímač s polohou opísanou v
RxPos v i – tom riadku je schopný prijať vysielače opísane v i – tom riadku matice
Tx, pričom sa signály oneskoria o časy uvedené v i – tom riadku matice tau.
Algoritmus úprav matice z exportovaného súboru uvádzam v prílohe 9.
Lokalizačný algoritmus v úvode načíta súbor tau.met do matice tau, Tx.met
do matice Tx a RxPos.met do súboru RxPos. Pre výpočet je nevyhnutné poznať aj
polohy vysielačov, ktoré sú definované v matici TxPos.
Podmienkou správneho výstupu lokalizačného algoritmu je, že poloha bude
vypočítaná z troch signálov od troch vysielačov. Preto musí program urobiť
kontrolu tejto podmienky pri náhodne vybranom bode z mapy a nevyhovujúce
merania (ak má MS v dosahu menej ako 3 ZS) vylúčiť z merania, prípadne ich
označiť za chybné. Keďže študentská verzia RPS limituje dosah signálu dvomi
prechodmi cez stenu, v niektorých prípadoch dochádzalo k situácií, že vylúčením
meracích bodov s menej ako s 3 ZS v dosahu, bola plocha, v ktorej boli merania
Určovanie polohy mobilných staníc vo vnútri budov
37
označené ako správne, menšia ako plocha modelu katedry. Prejavovalo sa to hlavne
vtedy, keď som v rámci pokusov zmenšoval prahovú úroveň signálu.
Lokalizačný algoritmus vychádza z definície metódy ToA, to
znamená, že MS sa nachádza v priesečníku troch kružníc, ktorých polomer je daný
vzťahom:
r x=c . t x (4.6)
,kde rx polomer kružnice so stredom v ZSx [m]
tx čas šírenia signálu od ZSx k MS [s]
c je rýchlosť šírenia svetla vo vzduchu [m/s]
Potom MS so súradnicami x, y sa nachádza v bode, ktorý spĺňa rovnice
kružnice:
x1− x 2 y1− y 2=r 12
(4.7)
x2− x 2 y2− y2=r 22
(4.8)
x3−x 2 y3− y 2=r32
(4.9)
,kde [x1 y1], [x2 y2], [x3 y3] sú súradnice stredov kružníc
r1, r2, r3 sú polomery kružníc
Pre jednoduchosť algoritmus testuje body v rastri s rozostupom bodov 10
cm, či spĺňajú podmienku:
x1− x 2 y1− y 2−r 12k (4.10)
x2− x 2 y2− y2−r 22k (4.11)
x3−x 2 y3− y 2−r32k (4.12)
,kde [x1 y1], [x2 y2], [x3 y3] súradnice stredov kružníc
r1, r2, r3 polomery kružníc
Určovanie polohy mobilných staníc vo vnútri budov
38
k konštanta, určujúca, aká vzdialenosť bodov od
kružnice bude ešte akceptovaná [m]
Výsledkom operácie teda nebude kružnica, ale body, ktoré ju popisujú. Daná
metóda je principiálne nakreslená na obr. 4.8. Body zvýraznené bodkou spĺňajú
nerovnosti podľa bodu vzťahov (4.10) až (4.12).
Obr. 4.8 Popis kružnice bodmi rastra
Mohol som teda testovať bod [x, y], či spĺňa všetky 3 nerovnosti. Ak áno,
znamená to, že leží na všetkých kružniciach (resp. jeho vzdialenosť od všetkých
kružníc je menšia ako k) a algoritmus ho priradí do množiny riešení. V prípade, že
v celom rozsahu x, y nenájde aspoň jeden bod, ktorý spĺňa nerovnosti, znamená to,
že kružnice sa nepretnú. Inkrementuje teda polomer zo vzťahu 4.6 o 1 %
a algoritmus vyhľadávania opakuje. Deje sa tak dovtedy, kým aspoň jeden bod
nenájde.
Konečnú polohu z množiny bodov potom systém vypočíta ako priemernú
polohu bodov z danej množiny riešení. Vývojový diagram algoritmu lokalizácie
založenej na ToA uvádzam v prílohe 10.
Určovanie polohy mobilných staníc vo vnútri budov
39
Najväčším problémom, nepriaznivo ovplyvňujúcim presnosť lokalizácie, sa
ukázalo byť viacnásobné šírenie signálu. Metóda je presná len vtedy, keď na
určenie polomeru kružníc podľa vzťahu (4.6) používa časy šírenie vĺn
pochádzajúcich z LoS šírenie. Pri NLoS šírení totiž čas šírenia vlny nezodpovedá
vzdialenosti od zdroja. Pokúsil som sa teda eliminovať signály pochádzajúce
z NLoS šírenia znížením prahovej úrovne signálu, ktorý som bral pri meraniach do
úvahy. Problém so zmenšením plochy, kde je korektné prevádzať lokalizáciu
vysvetľujem na začiatku podkapitoly. RMSE určujem rovnakým spôsobom, ako pri
metóde RSS – fingerprint v kapitole 4.4 (t.j. podľa vzťahu (4.3)). Výsledky
simulácií som zhrnul do tabuľky 4.6 a grafu v prílohe 12.
Tab. 4.6 Závislosť priemernej odchýlky pri určovaní polohy MS na základe ToA od prahovej úrovne signálu
Prahová úroveň signálu [dB] -200 -150 -120 -100 -80 -60
RMSE [m] 4,3 2,59 2,26 1,96 1,6 1,34
4.6 Lokalizačný algoritmus TDoA
Metóda lokalizácie MS na základe TDoA vychádza z ToA (príloha 11). Ako
popisujem v kapitole 3.3, princíp je taktiež založený na meraní času šírenia EM
vlny. Rozdiel oproti ToA je v tom, že pri ToA meraním priamo času šírenia vlny
medzi MS a ZS, teda nepriamo aj ich vzdialenosti, môžeme vykresliť kružnice,
v ktorých prieniku sa MS nachádza, v prípade TDoA meriame rozdiel času
príchodu signálov. Premietnutím tohto postupu do dvojrozmerných súradníc
nedostaneme kružnice, ale hyperboly, v ktorých prieniku sa nachádza MS.
Údaje o oneskoreniach vĺn pre rozličné miesta som získal rovnakým
spôsobom ako pri simuláciách ToA. Prebral som taktiež algoritmus na úpravu
exportovaného súboru z RPS pre potreby ďalšieho spracovania v Matlabe.
Určovanie polohy mobilných staníc vo vnútri budov
40
Rovnice hyperbol medzi 3 bodmi sú:
c∣t i−t j∣= x i− x 2x j− x 2− y i− y2 y j− y 2 (4.12)
c∣t j−t k∣= x j− x 2 xk−x 2− y j− y 2 yk− y2 . (4.13)
,kde ti, tj, tk časy šírenia EM vĺn od ZS i, j ,k [s]
c rýchlosť šírenia EM vĺn vo vzduchu
[m/s]
[x1 y1], [x2 y2], [x3 y3] sú súradnice ohnísk hyperbol
V mojom prevedení daného algoritmu sú hyperboly opísané bodmi,
ekvivalentne k postupu pri vykresľovaní kružníc pre potreby merania na základe
ToA. Do množiny riešení teda mohli byť zaradené body, ktoré spĺňali rovnice
hyperboly:
x i− x 2 x j− x 2− y i− y 2 y j− y2−c∣t i−t j∣0,1 (4.14)
x j−x 2xk−x 2− y j− y 2 yk− y2−c∣t j−t k∣0,1 (4.15)
,kde ti, tj, tk časy šírenia EM vĺn od ZS i, j ,k [s]
c rýchloť šírenia EM vĺn vo vzduchu
[m/s]
[x1 y1], [x2 y2], [x3 y3] súradnice uhnísk hyperbol
Z množiny riešení, podobne ako v predchádzajúcom algoritme lokalizácie
na základe ToA, určí algoritmus priemernú polohu bodu ako polohu MS. Odčítaním
vektorov polohy MS určenou metódou a skutočnou polohou dostanem vektor
odchýlky lokalizácie. Určením absolútnej hodnoty a spriemerovaním hodnôt
dostaneme RMSE lokalizačnej metódy.
Určovanie polohy mobilných staníc vo vnútri budov
41
Aj pri tejto metóde som sa zameral na zmenu presnosti lokalizácie
ovplyvnenú zmenou prahovej hodnoty signálu. V tab. 4.7 a prílohe 13 uvádzam
výsledky simulácií.
Tab. 4.7 Závislosť priemernej odchýlky pri určovaní polohy MS na základe TDoA od prahovej úrovne signálu
Prahová úroveň signálu [dB] -200 -150 -120 -100 -80 -60
RMSE [m] 20,05 17,53 14,3 13,06 8,7 4,3
Ako je zrejmé z tab. 4.7 presnosť lokalizačného algoritmu založeného na
TDoA je omnoho nepresnejšia, ako metóda založená na ToA. Keď som analyzoval
dôvody týchto nepresností, sledoval som závislosť presnosti pri NLoS šírení. Ak
čas šírenia nezodpovedá vzdialenosti od zdroja (stane sa tak pri NLoS šírení)
prejaví sa to vo vzťahu 4.6 nepresným výpočtom rozdielu časov a tým aj chybnou
hyperbolou. Dochádza tak k nepresnému výpočtu polohy MS. Oproti lokalizácií
založenej na ToA sa pri rovnakých podmienkach prejavujú tieto chyby v omnoho
väčšej miere.
Určovanie polohy mobilných staníc vo vnútri budov
42
5 ZÁVER
V mojej diplomovej práci som sa pokúsil opísať, ako som postupoval pri
realizácii zvolených lokalizačných metód. Na úvod som sa venoval popisu šírenia
elektromagnetických vĺn vo vnútri budov. Jedná sa o špecifický prípad šírenia,
ktorého predikcia je veľmi zložitá. Existuje viacero modelov šírenia, ktoré sú pre
tento prípad použiteľné. Ja som zvolil ray-tracing. Jeho princíp som stručne zachytil
v kap. 2.3. Na základe ray-tracingu som získal mapu pokrytia rádiovým signálom.
Neskôr som ju použil pri lokalizačných algoritmoch. Z literatúry, som si naštudoval
spôsoby lokalizácie, ktoré používali kolegovia z odboru pri ekvivalentných prácach.
Dospel som k záveru, že za daných podmienok je najjednoduchšie realizovateľný
algoritmus lokalizácie MS na podstate metódy RSS-fingerprint. Na tejto báze som
teda zrealizival prvý algoritmus lokalizácie MS. Po viacerých pokusoch
s algoritmom, ktoré mali za cieľ zvýšiť presnosť lokalizácie som dosiahol najväčší
úspech s pridaním váhovania. Výsledná presnosť bola plne porovnateľná s inými
prácami. Kvôli ďalšiemu zvyšovaniu presnosti som prešiel od merania intenzity
k meraniu oneskorenia signálu. Po počiatočných problémoch s načítaním
exportovaných výsledkov simulácie som navrhol algoritmus lokalizácie založený na
ToA. Po úpravách algoritmu som dosiahol priemernú odchýlku menšiu ako 2 metre.
Pokúsil som sa tiež na mojom modelovanom prostredí zistiť rozdiel v presnosti
medzi metódami založenými na ToA a TDoA. Na moje sklamanie bola TDoA
oveľa náchylnejšia na chybnú lokalizáciu pri nevhodných podmienkach šírenia.
Určovanie polohy mobilných staníc vo vnútri budov
43
POUŽITÁ LITERATÚRA
[1] GIBSON D., ANDRIAENS J.: CS/RADAR: Indoor Location Discovery and
Tracking. [cit. 13.11.2006] . Dostupné na internete:
http://www.cs.wisc.edu/~gibson/pdf/csradar.pdf
[2] FELDMANN S., KYAMAKYA K., ZAPATER A., LUE Z.: An Bluetooth–
based positioning system: concept, Implementation and experimental
evaluation. [cit. 19.12.2006]. Dostupné na internete: http://projekte.l3s.uni-
hannover.de/pub/bscw.cgi/d27118/An%20Indoor%20 Bluetooth-
based%20positioning%20system:%20concept,%20Implemen
tation%20and%20experimental%20evaluation.pdf
[3] KAEMARUNGSI K., KRISHNAMURTHY P.: Modeling of Indoor
Positioning System Based on Location Fingerprinting. [cit. 21.12.2006].
Dostupné na internete: http://www.ieee-infocom.org/2004/papers/21_2.pdf
[4] OTSASON V., VARSHAVSKY A., LAMARCA A., DE MARA E.:
Accurate GSM Indoor Localization. [cit. 4.2.2007]. Dostupné na internete:
http://www.placelab.org/publications/pubs/ubicomp2005-indoorGSM.pdf
[5] JIN G., LU X., PARK M.: An Indoor Localization Mechanizm Using Active
RFID Tag. [cit. 17.3.2007]. Dostupné na internete:
http://csdl.computer.org/dl/proceedings/sutc/2006/2553/01/255310040.pdf
[6] MANDAL A., LOPES C. V., GIVARGIS T., HAGHIGHAT A., JURDAK
R., BALDI P.: Beep: 3D Indoor Positioning Using Audible Sound.
[cit. 7.3.2007]. Dostupné na internete:
http://www.ics.uci.edu/~givargis/pubs/C25.pdf
[7] RAVI N., SHANKAR P., FRANKEL A., ELGAMMAL A., IFTODE L.:
Indoor Localization Using Camera Phones. [cit. 28.1.2007]. Dostupné na
internete: http://discolab.rutgers.edu/smartphone/papers/camera-phone.pdf
Určovanie polohy mobilných staníc vo vnútri budov
44
[8] MAEDA M., OGAWA T., MACHIDA T., KIYOKAWA K., TAKEMURA
H.: Indoor Localization and Navigation using IR Markers for Augmented
Reality. [cit. 12.3.2007]. Dostupné na internete:
http://www.lab.ime.cmc.osaka-u.ac.jp/paper/datas/2003/06/Maeda_0068
/Maeda_200306_paper.pdf
[9] PECHAČ P.: Síření vln v zástavbě. 1. vyd. Praha: BEN 2005. ISBN 80-
7300-186-1
[10] BRÍDA, P.: Určovanie polohy mobilnej stanice v sieťach GSM. Dizertačná
práca, Žilina, December 2005
[11] DOBOŠ, Ľ., DÚHA, J., MARCHEVSKÝ, S., WIESER, V. Mobilné rádiové
siete. 1. vyd. Žilina: EDIS, 2002. ISBN 80-7100-936-9.
[12] HRICKO M.: Uživateľská dokumentácia k projektu Vizualizácia metódy
sledovania lúčov. [cit. 12.4.2007]. Dostupné na internete:
ics.upjs.sk/sw_projekty/ proj2003/raytrace/uzivatelpoz.doc
[13] KŐPPER A.: Location-based Services - Fundamentals and Operations.
John Waley and Sons Ltd., 2005. ISBN-13 978-0-470-09231-6 (HB)
[14] DANA, P. H.: Global Positioning system overwiev. [cit. 2.5.2007].
Dostupné na internete:
http://www.colorado.edu/geography/gcraft/notes/gps/gps_f.html
[15] DEIßNER J., HŐBNER J., HUNOLD D., VOIGT J.: Radoiwave
propagation simulator – user manual – Version 5.3
[16] IEEE Standards Association: Wireless LAN Medium Access Control (MAC)
and Physical Layer (PHY) specifications. [cit. 2.1.2007]. Dostupné na
internete: http://standards.ieee.org/getieee802/download/802.11a-1999.pdf
Určovanie polohy mobilných staníc vo vnútri budov
ČESTNÉ VYHLÁSENIE
Vyhlasujem, že som zadanú diplomovú prácu vypracoval samostatne, pod
odborným vedením vedúceho diplomovej práce Ing. Petra Brídu, PhD. a používal
som len literatúru uvedenú v práci.
Súhlasím so zapožičiavaním diplomovej práce.
V Žiline 18.5.2006 Peter Hriňák
Určovanie polohy mobilných staníc vo vnútri budov
POĎAKOVANIE
Rád by som poďakoval vedúcemu mojej diplomovej práce Ing. Petrovi
Brídovi, PhD. za množstvo rád a trpezlivosti, celému môjmu okoliu za
zhovievavosť a rodičom, ktorí ma ochotne podporovali počas celého štúdia.
Táto práca je riešená v rámci výskumnej úlohy VEGA 1/4065/07 „Metódy
určovania polohy v bezdrôtových ad-hoc sieťach“.
Určovanie polohy mobilných staníc vo vnútri budov
ŽILINSKÁ UNIVERZITA V ŽILINE ELEKTROTECHNICKÁ FAKULTA
Katedra telekomunikácií
URČOVANIE POLOHY MOBILNÝCH STANÍC VNÚTRI BUDOV
PRÍLOHOVÁ ČASŤ
PETER HRIŇÁK
2007
Určovanie polohy mobilných staníc vo vnútri budov
ZOZNAM PRÍLOH
Príloha 1 RPS-v5.3, editor objektov, katedra
Príloha 2 RPS-v5.3, nastavenia parametrov simulácie, podmienok šírenia
Príloha 3 Rozloženie prijímačov v modeli katedry
Príloha 4 Nastavenia vysielačov v RPS-v5.3
Príloha 5 Príklad časti súboru exportovaného z RPS-v5.3 ako data in
ASCII-file
Príloha 6 Vývojový diagram – algoritmus úpravy matíc generovaných RPS-
v5.3 pre algoritmus lokalizácie založenej na RSS – fingerprint
Príloha 7 Vývojový diagram - algoritmus určenia polohy MS na založenej
metóde RSS – fingerprint
Príloha 8 Dodatok k algoritmu určenia polohy na metódou RSS – fingerprint -
váhovanie
Príloha 9 Vývojový diagram – algoritmus úpravy matíc generovaných RPS-
v5.3 pre algoritmus lokalizácie založenej na ToA
Príloha 10 Vývojový diagram - algoritmus určenia polohy MS na založenej
metóde ToA
Príloha 11 Vývojový diagram - algoritmus určenia polohy MS na založenej
metóde TDoA
Príloha 12 Závislosť priemernej odchýlky pri určovaní polohy na základe ToA
od prahovej úrovne signálu
Príloha 13 Závislosť priemernej odchýlky pri určovaní polohy na základe TDoA
od prahovej úrovne signálu
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 1
RPS-v5.3, editor objektov, katedra
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 2
RPS-v5.3, nastavenia parametrov simulácie, podmienok šírenia
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 3
Rozloženie prijímačov v modeli katedry
Príloha 4
Nastavenia vysielačov v RPS-v5.3
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 5
Príklad časti súboru exportovaného z RPS-v5.3 ako data in ASCII-file
%Data generated with RPS
%Tx@X=5m, Y=6m, Z=1.7m, BSID=1
%Tx@X=76m, Y=12m, Z=1.7m, BSID=10
%Tx@X=16m, Y=1m, Z=1.7m, BSID=2
%Tx@X=26m, Y=12m, Z=1.7m, BSID=3
%Tx@X=35m, Y=1m, Z=1.7m, BSID=4
%Tx@X=41m, Y=12m, Z=1.7m, BSID=5
%Tx@X=50m, Y=1m, Z=1.7m, BSID=6
%Tx@X=59m, Y=12m, Z=1.7m, BSID=7
%Tx@X=68m, Y=1m, Z=1.7m, BSID=8
%Tx@X=82m, Y=1m, Z=0m, BSID=9
%Number of Dataset Records = 32621
%Default Center Frequency = 5 GHz
...
%Rx@X=0.2m, Y=1.4m, Z=1.5m
%Tx TAU Magnitude[dBm] Phase[°] PHI@Tx[°] THETA@Tx[°] PHI@Rx[°] THETA@Rx[°]
6 38.80266346 -77.3442 -151.577 291.99 0.984435 112.317 -0.984435
6 39.02136685 -67.5177 145.70 122.99 0.978917 123.09 -0.978917
6 39.05355248 -77.4367 -8.43923 291.99 0.97811 112.17 -0.97811
7 52.87049078 -65.1072 54.9385 299.99 0.722479 60.5102 -0.722479
7 85.52125012 -76.1338 -26.0016 104.99 0.44664 75.1166 -0.44664
7 86.65400641 -77.9365 -124.06 72.99 0.440801 72.3619 -0.440801
4 37.03415055 -56.1379 -92.5124 66.99 1.03145 246.666 -1.03145
4 38.53387275 -70.3055 -115.385 66.666 16.0699 246.666 16.0699
4 40.11881584 -56.6883 87.92 121.99 0.952136 237.94 -0.952136
... .... ... ... ... ... ... ...
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 6
load(xxx_real_tx0.ascii) ...
load(xxx_real_tx9.ascii)
load(xxx_real_tx0.ascii) ...
load(xxx_real_tx9.ascii)
load(xxx_rx_position.ascii)
Súčet reálnych zložiek viacnásobného šírenia
Súčet imaginárnych zložiek viacnásobného šírenia
Výpočet absolútnej hodnoty Rx[mW]
ak Rx[dB] = inf
Rx[dB] = 10*log (Rx[mW])
Rx[dB] = -200dB
save(Rx, Rxm.met)
true false
Ak leží bod na 1m rastri
save(Rx, Rx.met) save(xxx_rx_position.ascii, RxPos.met)
true
Koniec
Štart
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 7
Algoritmus určenia polohy na metódou RSS – fingerprint
Štart
load(RxPos.met) load(xxx_rx_position.ascii
)
load(Rxm.met) load(Rx.met)
index vzorky (z Rxm.met) = randint
Korelácia vzorky s databázou z Rx.met
Vyhľadanie záznamu X s najväčšou koreláciou
Bod 1
Priradenie polohy záznamu X z matice RxPos.met
Výpočet odchýlky medzi polohou vzorky a polohou
priradeného body z databázy
Koniec
save(výsledky)
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 8
Dodatok k algoritmu určenia polohy na metódou RSS – fingerprint -
váhovanie
Vyhľadanie 3 záznamov X1 – X3 s najväčšou koreláciou
Priradenie váh bodom X1 – X3
Výpočet odchýlky medzi polohou vzorky a polohu priradeného body z databázy
Koniec
save(výsledky)
Bod 1
Výpočet polohy bodu na základe priradených váh, pozri kap. 4.2
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 9
Vývojový diagram – úprava výsledkov simulácie pre lokalizačný algoritmus
ToA
Štart
load(výsledky simulácie)
Vyhľadanie hraníc buniek
Analýza hlavičky – vyselektovanie polohy bodu
Analýza obsahu bunky – vyselektovanie najkratších
časov šírenie a príslušných Tx
save(RxPos) save(tau) save(Tx)
Koniec
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 10
Algoritmus určenia polohy MS na základe ToA
Štart
load(RxPos.met) load(tau.met) load(Tx.met)
Kontrola počtu ZS v dosahu
„Chybné meranie“ Výpočet spoločných bodov
kružnice
Výpočet polohy MS – priemerná poloha spoločných bodov
Výpočet odchýlky medzi skutočnou a vypočítanou polohou
MS
save(výsledky)
Koniec
Počet > 2 Počet < 3
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 11
Algoritmus určenia polohy MS na základe TDoA
Štart
load(RxPos.met) load(tau.met) load(Tx.met)
Kontrola počtu ZS v dosahu
„Chybné meranie“ Výpočet spoločných bodov
hyperbol
Výpočet polohy MS – priemerná poloha spoločných bodov
Výpočet odchýlky medzi skutočnou a vypočítanou polohou
MS
save(výsledky)
Koniec
Počet > 2 Počet < 3
Určovanie polohy mobilných staníc vo vnútri budov
Príloha 12
Závislosť RMSE pri určovaní polohy na základe ToA od prahovej úrovne
signálu
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
-200 -180 -160 -140 -120 -100 -80 -60
Prahová hodnota signálu [dB]
RMSE [m]
Príloha 13
Závislosť RMSE pri určovaní polohy na základe TDoA od prahovej úrovne
signálu
0
5
10
15
20
25
-200 -180 -160 -140 -120 -100 -80 -60
Prahová hodnota signálu [dB]
RMSE [m]