21170

۲۱۱۷۰

كاهش حجم اطلاعات در موقعيت يابي درون ساختماني

كارشناسي ارشد

شبكه هاي كامپيوتري

۱۳۹۷

۱۳۹۷/۰۸/۳۰

دكتر حسين غفاريان - دكتر احمد اكبري

كامپيوتر

مشخص نمودن موقعيت مكاني دقيق اشياء و افراد در فضاي باز با استفاده از ماهواره ها در ابعاد جهاني صورت مي‌گيرد، اما در داخل ساختمان و برخي محيط هاي باز از جمله جنگلها امواج ماهواره اي به شدت ضيعف شده و كارايي آن كاهش مي‌يابد. به دليل تضعيف و تفرق امواج ماهواره‌ها در برخورد با سقف و ديواره‌هاي ساختمان، به طور معمول نمي‌توان از GPS براي يافتن مكان كاربر در داخل ساختمان استفاده كرد. لذا تنها كاربرد هاي خارج ساختمان از GPS بهره مي‌برند و به همين دليل سيستمهاي مكان يابي داخل ساختمان (IPS) براي رفع اين مشكل معرفي شدند. در اين ميان تكنولوژي موقعيت‌يابي با استفاده از قدرت سيگنال دريافتي (RSS) مبتني بر شبكه بي سيم كه همان اثرانگشت نيز ناميده مي‌شود در ميان روشهاي مكانيابي به دليل هزينه كمتر، وجود زيرساخت و دقت بيشتر از محبوبيت بيشتري برخوردار است. اما قابل ذكر است در پايگاه داده، اثرانگشت هاي ذخيره شده با حجم زيادي از اطلاعات روبرو هستيم كه پردازش و استفاده بهينه از آنها براي موقعيت يابي يك چالش است. داده كاوي‌ و طبقه بندي كوششي براي بدست آوردن اطلاعات مفيد از ميان اين داده هاست. در اين پژوهش راهكاري براي كاهش حجم اطلاعات جمع آوري شده (اثرانگشت) ارائه گرديده است كه به موقعيت يابي سريعتر با خطاي ناچيز و دقت مناسب و قابل قبول منجر مي‌شود به نام الگوريتم CMAR كه از يك FP-TREE تقويت شده اي استفاده مي‌كند كه در آن توزيع برچسب هاي كلاس ميان بردارهايي كه مجموعه اقلام مكرر را پوشش مي دهند نگهداري مي‌شود. بدين ترتيب الگوريتم قادر است دو گام كاوش مجموعه اقلام مكرر و توليد قواعد را در يك گام انجام دهد. سعي كرديم كار را در نرم افزار متلب شبيه سازي نماييم و با دادن چندين مقدار مختلف به شاخص هاي اطمينان و پشتيبان و توليد قوانين انجمني، مقدار زمان و هزينه هاي موقعيت يابي را با خطاي قابل قبول براي چند بار پياده سازي نماييم و بعد از مكان يابي با الگوريتم هاي كلاسبندي، به مقايسه آنها مي‌پردازيم.

1398/07/16

Reduce the amount of information in the internal positioning

11/21/2018 12:00:00 AM

localization of devices and users outdoors using satellites on a global scale, But in the building and in some open environments, including the forests, satellite waves are severely damaged and its effectiveness decreases. Because of the weakening and dispersion of satellite waves in contact with the ceiling and walls of the building, it is not possible to use GPS to localization the user inside the building. Therefore, only outside use of the GPS system is used, which is why indoor positioning systems (IPS) were introduced to address this problem. By the way, indoor positioning system using the Received signal strength (RSS), also called a fingerprint, is more popular among locating methods due to lower cost, infrastructure and accuracy. But there are large amount of fingerprints in the database whose processing and optimal use for positioning is a challenge. Data mining and classification are an attempt to obtain useful information from these data. In this research, there are some ways to reduce the amount of data collected (fingerprinting), which results in faster positioning with and sutable accuracy, called the CMAR algorithm, which uses a reinforced FP-TREE, in which the distribution of the label Classes in the middle of the tuples that cover the collection of repetitive items. In this way, the algorithm is able to double-examine the set of repeated items and generate rules in one step. We tried to simulate the research in MATLAB software and, by giving several different values to the support and confidence indexes and generating association rules, we implemented the of time and cost of positioning with sutable errors for several times and localization them with clustering algorithms to compare.