• شماره ركورد
    28623
  • پديد آورنده

    سيدمحمدرسول صفدري

  • عنوان
    موقعيت يابي در مكان هاي سرپوشيده با استفاده از حسگرهاي IMU
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي برق-كنترل
  • سال تحصيل
    1398
  • تاريخ دفاع
    1401/6/28
  • استاد راهنما
    دكتر سعيد عباداللهي
  • استاد مشاور
    دكتر سعيد عباداللهي
  • دانشكده
    برق
  • چكيده
    در قرن حاضر، ناوبري و آگاهي از اطلاعات موقعيتي، يكي از بزرگ‌ترين زمينه‌هاي تحقيقاتي در حوزه فناوري به شمار مي‌آيد. در فضاهاي باز كه سيگنال‌هاي ماهواره‌اي به‌خوبي در دسترس است، ناوبري عموماً با استفاده از سيستم موقعيت‌يابي جهاني انجام مي‌شود. اما ناوبري در فضاي سرپوشيده كه امروزه در بسياري از مكان‌ها يك نياز مبرم به شمار مي‌آيد، به دليل تضعيف سيگنال‌دهي ماهواره‌ها ممكن نيست و يا داراي دقت مطلوبي نمي‌باشد. خوشبختانه با رواج استفاده از گوشي، تبلت و ساعت‌هاي هوشمند كه عموماً داراي حسگرهاي اينرسي هستند، الگوريتم‌ها و روش‌هايي براي ناوبري در فضاي سرپوشيده ابداع شده‌اند. گروهي از اين الگوريتم‌ها با استفاده از ماژول‌هاي بي‌سيم مانند Wi-Fi، بلوتوث، RFID و ... تلاش مي‌كنند تا موقعيت كاربر و يا وسيله را در مكان سرپوشيده تخمين بزنند. تخمين موقعيت در اين روش‌ها به‌صورت مطلق انجام مي‌شود. برخي ديگر از اين الگوريتم‌ها با استفاده از حسگرهاي شتاب‌سنج، مغناطيس‌سنج و ژيروسكوپ، داده‌هاي موردنياز از حركت كاربر را دريافت مي‌كنند. سپس با تخمين بردار جابه‌جايي عابر پياده، باتوجه‌به آگاهي از مكان اوليه كاربر، موقعيت عابر را در هر لحظه نسبت به موقعيت اوليه هنگام شروع حركت، تخمين مي‌زنند (روش نسبي). اين الگوريتم‌ها كه تكنيك PDR نام دارند، زيرشاخه‌اي از سامانه ناوبري اينرسي هستند. در تكنيك PDR كه از تلفيق گام‌شماري و تخمين طول گام و تخمين جهت گام براي تخمين موقعيت فرد استفاده مي‌شود، با چالش‌هاي مختلفي مواجه هستيم. مهم‌ترين چالش اين الگوريتم‌ها داشتن دقت مطلوب است؛ زيرا در فضاي سرپوشيده با مقياس كوچك‌تري از فواصل مواجه هستيم كه نسبت به فضاي باز، مستلزم دقت بالاتري است. افزايش دقت در تخمين جهت بردار جابه‌جايي در روش PDR، تأثير بسزايي در بهبود دقت موقعيت تخمين‌ زده‌شده دارد. در اين پايان‌نامه تأثير عملكرد چند الگوريتم‌ تخمين جهت حركت در تخمين موقعيت مكاني عابر پياده بررسي شد. مقايسه‌ها نشان داد در مسيرهاي طولاني، اعمال كالمن فيلتر خطي به همراه افزونه‌هاي پيشنهادي بهينه گر بر روي ژيروسكوپ، عملكردي نزديك به دو الگوريتم مجويك و ماهوني داشته كه باتوجه‌به سادگي و سرعت اجراي بيشتر، در بسياري از موارد انتخاب بهتري مي‌باشد.
  • تاريخ ورود اطلاعات
    1402/06/04
  • عنوان به انگليسي
    Indoor positioning using IMU sensors
  • تاريخ بهره برداري
    9/19/2023 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    سيدمحمدرسول صفدري

  • چكيده به لاتين
    In the current century, navigation and cognizance of current location is one of the key areas of research in the industry. Generally, in open spaces where there is easy access to satellite signals, navigation is done using GPS. But navigation in closed areas, which is a critical requirement in many places, is either not possible or very inaccurate because of weak satellite signals. Fortunately, with the increased use of Cellphones, Tablets and smart watches which have inertia sensors, algorithms and methods of indoors navigation are created. Some types of these algorithms try to use wireless modules like Wi-Fi, Bluetooth and RFID to estimate the location of the user or the device in the area. The estimated location in these methods is absolute. Other types of algorithms use accelerometers, magnetometers and gyroscopes to get the movement data of the user. Then, knowing the start point of the user, estimate the current location by calculating the movement vector of the user. These algorithms are called PDR and are a subtype of indoor navigation methods. In PDR technique a combination of count, length and direction estimations of steps is used to approximate the location of the user and in this, we face different challenges the most important of which is the reasonable accuracy as we are dealing with small areas indoors in comparison with outdoor areas. This necessitates higher accuracies and tighter bounds. Improving the accuracy of movement vector estimation in PDR has a profound impact on the accuracy of location estimation. In this study, we investigate the effectiveness of some algorithms for location estimation of pedestrian. The results suggests that in long distances, suggested LKF with accuracy-improving sub-algorithms, has a similar performance to Madgwick and Mahony algorithms. Considering the simplicity and tun-time speed of this method, it is a better choice in many use-cases.
  • كليدواژه هاي فارسي
    موقعيت‌يابي , موقعيت‌يابي اينرسي , موقعيت‌يابي در فضاي سرپوشيده , حسگرهاي IMU
  • كليدواژه هاي لاتين
    Positioning , , Inertial positioning , Indoor positioning , IMU sensors
  • Author
    Seyyed Mohamad Rasool Safdari
  • SuperVisor
    Saeed Ebadollahi