22886

بهينه‌سازي روش اثرانگشت در موقعيت‌يابي مبتني بر Wi-Fi

كارشناسي ارشد

كنترل

1396

1399/3/3

دكتر سعيد عباداللهي

برق

امروزه استفاده از سيستم‌هاي موقعيت‌يابي در محيط‌هاي سرپوشيده در كاربرد‌هاي مختلف روز به روز در حال گسترش است. خدمات بسياري را مي‌توان مبتني بر چنين سيستم‌هايي ارائه كرد، از جمله : انواع خدمات مكان مبنا، تبليغات هوشمند، مديريت منابع انساني. مهم‌ترين چالش، عدم امكان استفاده از سيستم موقعيت‌يابي جهاني (GPS) است چراكه سيگنال‌هاي ماهواره‌هاي GPS درون محيط‌هاي سرپوشيده قابل دريافت نيستند. يكي از بهترين راهكار‌ها، ‌استفاده از سيستم‌هاي موقعيت‌يابي مبتني بر شدت سيگنال دريافتي (RSS) مي‌باشد. انتخاب نوع فرستنده‌ها‌ نيز بسيار مهم است كه با مروري كه بر مقالات صورت گرفت از ميان انواع فرستنده‌هاي مختلف و با در نظر گرفتن معيارهايي مانند : كارايي و در دسترس بودن و قيمت، تكنولوژي Wi-Fi انتخاب شد. رايج‌ترين روش موقعيت‌يابي مبتني بر تكنولوژي Wi-Fi الگوريتم اثر‌انگشت است كه يكي از مشكلات روش اثرانگشت فاز آفلاين آن يا همان جمع آوري پايگاه داده است، چرا كه به منظور جلوگيري از كاهش دقت سيستم موقعيت‌يابي بايد تعداد نقاط زيادي براي نمونه برداري از شدت سيگنال انتخاب شود كه باعث طولاني شدن زمان راه اندازي، افزايش كار انساني و در نهايت افزايش هزينه سيستم مي‌شود. به منظور برطرف كردن اين مشكل در اين پايان نامه تلاش شده است تا با استفاده از روش‌هاي فرا ابتكاري، انتخاب نقاط براي جمع آوري پايگاه داده، بهينه شود. به نحوي كه علاوه بر كاهش حجم پايگاه داده دقت نيز در حد مطلوب باقي بماند. با استفاده از روش هاي بهينه‌سازي ژنتيك، ازدحام ذرات تجمعي و كلوني زنبور عسل مصنوعي، در اين پايان نامه مشاهده خواهيم كرد كه مي‌توان حجم پايگاه‌داده را تا 50% كاهش داد در حالي كه ميانگين مربعات خطا موقعيت‌يابي از 8 فراتر نخواهد رفت.

1399/05/29

fingerprint optimization in Wi-Fi based indoor positioning

5/23/2020 12:00:00 AM

Indoor positioning systems are becoming more and more popular nowadays. There are many challenges in designing such systems. An effective method of designing these systems is to employ the Wi-Fi technology along with the fingerprinting algorithm. This algorithm consists of an offline or setup phase and an online or exploitation phase. A challenge that these systems face is the offline phase, in which a database is collected from the signal intensities of modems existing at different points in an environment. In this case, the large volume of the database demands high rates of temporal costs and human labor, which increase the setup costs of these systems. At the same time, decreasing the number of sampling points will reduce the positioning accuracy. The genetic algorithm was used in this paper to select and arrange the number of database points in order to decrease the database volume and keep accuracy within an acceptable range.