RADAR/EKAHAU

1
RADAR/EKAHAU

• Um sistema para localização e posicionamento de
  dispositivos móveis usando rádio-frequência

Peter Kreslins Junior Novembro/2004
2
Agenda

• Tecnologias para localização e posicionamento de
  dispositivos móveis
• RADAR
• Descrição
• Diferenças com relação às outras tecnologias
• Metodologia de Pesquisa
• Métodos para inferir a localização e o
  posicionamento de dispositivos móveis
• Método empírico
• Método teórico
• Conclusões
• EKAHAU
• Descrição
• Produtos
• Screenshots

3
Tecnologias para localização e posicionamento de
dispositivos móveis

• Em ambientes abertos
• Time Difference of Arrival (TDoA)
• Angle of Arrival (AoA)
• GPS
• Em ambientes fechados
• Infra-vermelho
• Rádio-frequência

4
TDoA e AoA

• Utilizam técnicas para inferir a posição do
  dispositivo em termos da diferença de tempo de
  chegada do sinal entre as diversas bases e em
  termos do ângulo de chegada do sinal
• Funcionam bem em ambientes abertos, mas exibem
  problemas em ambientes fechados como
• reflexão do sinal
• dificuldade na sincronização do tempo entre
  antena e dispositivo

5
GPS

• Utiliza o sistema de posicionamento global via
  satélite para determinar a posição do dispositivo
• Em ambientes abertos é um dos mais precisos
  métodos para determinar a posição do dispositivo
• Requer que o dispositivo móvel seja capaz de
  receber sinais do satélite (custo elevado)
• Pode não funcionar em ambientes fechados pois o
  sinal pode ser bloqueado

6
Infra-vermelho

• Localização e posicionamento de dispositivos
  móveis usando sinais infra-vermelhos
• Requer muitos sensores uma vez que essa
  tecnologia possui alcanço limitado
• Necessita de equipamentos específicos que em
  geral são usados somente para localização e não
  oferecem serviço de transmissão de dados
• Manutenção pode se tornar um problema devido ao
  elevado número de sensores

7
Rádio-frequência

• Utiliza sinais de rádio para detectar a posição e
  localização de dispositivos
• Utiliza a infraestrutura WiFi (802.11a/b/g) para
  inferir o posicionamento mais barato e
  largamente utilizado
• Além de localização, a infraestrutura WiFi provê
  serviço de transmissão de dados (10mbps)
• Abrangência do sinal muito maior do que
  infra-vermelho

8
RADAR
9
Descrição

• Sistema para localização e posicionamento de
  dispositivos usando rádio-frequência
• Pesquisa feita por Paramvir Bahl e Venkata
  Padmanabhan e patrocinada pela Microsoft
• Tem como objetivo demonstrar que o uso de
  tecnologia WiFi, largamente adotada, pode ser
  usada para localização e posicionamento de
  dispositivos
• Utiliza dados sobre a força do sinal de rádio,
  coletados em diversos pontos de acesso, para
  inferir a posição do dispositivo (através de
  triangulação)
• A triangulação pode ser feita de um modo empírico
  ou teórico
• EKAHAU é o produto comercial que se baseia
  indiretamente nessa pesquisa

10
Diferenças com relação às outras tecnologias

• Utiliza a rede Wireless para obter dados que são
  usados para inferir posicionamento e localização
• Não está associado a nenhuma tecnologia
  proprietária (nem hardware e nem software)
• Pode utilizar um modelo empírico ou um modelo
  teórico de propagação de sinal

11
Metodologia de Pesquisa (1)

• Experiência executada no segundo andar de um
  prédio
• O andar possui as seguintes dimensões 43.5m x
  22.5m (980 m2)
• Além disso o andar possui mais de 50 salas
• Foram usadas 3 estações-base
• O dispositivo móvel (laptop) recebeu uma placa de
  rede com suporte WireLess (tecnologia wireless
  antiga WaveLAN RF LAN da Lucent)

12
Metodologia de Pesquisa (2)

• Mapa do andar onde os experimentos foram
  conduzidos.
• Pontos pretos indicam os locais onde informação
  sobre a intensidade do sinal foi coletada.
• As estrelas grandes indicam a localização de cada
  uma das 3 bases.
• A orientação desse mapa é Norte acima e Leste à
  direita.

13
Coletando dados

• Coletar informações sobre o sinal de rádio como
  uma função da posição do dispositivo (num modo
  offline e num modo realtime)
• Os relógios das bases e do dispositivo móvel são
  sincronizados
• O dispositivo móvel é programado para enviar
  pacotes UDP (4 pacotes por segundo)
• Cada estação base grava a intensidade do sinal
  registrado em conjunto com o timestamp
• No modo offline, o usuário do dispositivo móvel
  indica sua posição (X,Y) clicando no mapa o
  timestamp e a posição também são gravados
• A direção para onde o usuário está apontando faz
  o sinal variar em aproximadamente 5 dBm assim,
  além da posição e timestamp, é interessante
  gravar a direção também

14
Algoritmos e Análise Experimental (1)

• Uma premissa dessa pesquisa é que a intensidade
  do sinal é uma maneira de se inferir a posição do
  dispositivo
• Isso é razoável pois, conforme o gráfico abaixo,
  a intensidade do sinal varia conforme o
  dispositivo se aproxima ou se afasta de cada base
• O gráfico abaixo retrata o dispositivo móvel
  sendo levado em sentido anti-horário, começando
  perto da base 1 e terminando nela (vide slide
  Layout do Andar)

15
Algoritmos e Análise Experimental (2)

• A forma de inferir a posição do dispositivo
  proposta por esta pesquisa é a triangulação. Para
  que funcione, algumas etapas devem ser levadas em
  conta
• Uma maneira de sumarizar os dados sobre
  intensidade do sinal
• Uma maneira de determinar a posição e direção que
  mais se aproxima de um conjunto de valores de
  intensidade do sinal registrados duas
  alternativas são discutidas nessa pesquisa
• o método empírico
• o método baseado num modelo de propagação de
  sinal
• Uma maneira de decidir, entre vários possíveis
  candidatos para uma posição do dispositivo móvel,
  qual é o melhor
• A idéia geral é utilizar a técnica chamada NNSS
  (Nearest Neighbor(s) in Signal Space) calcular
  a distância entre as intensidades de sinal
  medidas e as intensidades de sinal gravadas e
  escolher a que minimiza essa distância

16
Método Empírico

• Nesse método os dados coletados durante a fase
  off-line são usados para estimar a posição do
  dispositivo
• Nos próximos slides, apresentamos alguns testes
  que ajudam a analisar esse método
• Análise Básica (NNSS simples)
• NNSS com múltiplos vizinhos
• Desconsiderando a orientação
• Impacto do número de pontos
• Impacto do número de amostras
• Impacto da orientação do dispositivo
• A métrica usada para analisar a precisão do
  método, é a distância de erro (distância
  euclidiana entre a posição real do dispositivo e
  a posição estimada)

17
Análise Básica

• Validar a técnica NNSS-simples (somente um
  vizinho) comparando-a com
• Um método aleatório de escolha de posições
• Um método que considera a posição do dispositivo
  como sendo a mesma posição da base que registrou
  o maior sinal
• Mostrar que a técnica NNSS apresenta precisão
  satisfatória

18
NNSS com múltiplos vizinhos

• Utiliza a técnica NNSS considerando os k vizinhos
  mais próximos (e não somente o mais próximo)
• Nos experimentos, mostrou-se que o uso de
  k-vizinhos melhora um pouco a precisão
• para k5 melhoria de 22 (25 de prob.) e uma
  melhoria de 9 (50 de prob.)
• No entanto, para valores grandes de k, percebe-se
  uma degradação na precisão pois posições
  distantes da real corrompem a estimativa
• A razão pela qual o ganho não é tão significativo
  diz respeito ao fato de que k-NNSS, em geral, não
  são k diferentes pontos eles podem ser o mesmo
  ponto registrado em diferentes orientações
• Conclusão k-NNSS não melhora a estimativa de
  forma considerável

19
Desconsiderando a orientação

• Como pudemos ver, o fator orientação pode
  prejudicar a precisão da técnica k-NNSS. Assim,
  vejamos o que acontece quando a orientação não é
  levada em conta
• Para o conjunto de dados obtidos no modo
  off-line, escolhemos somente os pontos com
  intensidade de sinal máxima, dentro de uma mesma
  orientação
• O objetivo é simular a situação onde o sinal
  gerado não é obstruído pelo corpo do usuário, por
  exemplo
• Nas observações percebeu-se que há uma melhora
  considerável (percentuais comparados com a
  análise básica)
• Para k1 6 de ganho (25 de prob.) e 9 de
  ganho (50 de prob.)
• Para k2..4 48 de ganho (25 de prob.) e 28
  de ganho (50 de prob.)

20
Impacto do número de pontos

• Todos os testes até o momento foram feitos
  usando-se 70 pontos distintos vejamos o impacto
  de utilizar menos de 70 pontos
• Para cada valor de n (variando de 2 a 70),
  conduziu-se 20 execuções da análise
• A cada execução, n pontos aleatórios foram
  escolhidos do conjunto coletado no modo offline e
  estes pontos foram usados no algoritmo NNSS
• Para n pequeno (menor ou igual a 5), percebeu-se
  que a distância de erro é de 2 a 4 vezes pior que
  quando utiliza-se n70.
• A distância de erro diminui rapidamente conforme
  o n aumenta. Ex. para n20 a distância de erro é
  33 pior e para n40 é menos de 10 pior.
• Percebe-se que existe um limite de número de
  pontos onde a melhora não é mais significativa
  (em particular para o caso analisado, 40 pontos
  distintos são suficientes)

21
Impacto do número de amostras

• Nos testes até o momento utilizou-se a média de
  todas as amostras coletadas, para cada combinação
  de posiçãoorientação.
• Isso pode ser razoável para o modo offline, que é
  feito uma só vez, no entanto, para o modo real,
  podem existir limitações no número de amostras
  que se consegue coletar
• A análise mostra que apenas uma pequena
  quantidade de amostras no modo real é necessária
  para atingir uma precisão razoável
• Comparando com a análise básica
• Com somente 1 amostra, a distância de erro é 30
  pior (50 de prob.)
• Com 2 amostras ela é 11 pior e com 3 amostras é
  4 pior

22
Impacto da orientação do dispositivo

• Como pudemos ver, a orientação do dispositivo
  impacta na precisão. Para verificar o quanto esse
  impacto é significativo, o seguinte teste foi
  feito
• Considera-se, para o conjunto de dados obtido no
  modo offline, somente uma orientação específica
  (norte, por exemplo)
• Para o conjunto de dados obtido em modo real,
  considera-se a direção oposta (ex. sul)
• Calcula-se a distância de erro para cada uma das
  orientações que se opõe (norte-sul, sul-norte,
  leste-oeste e oeste-leste)
• A análise mostra que (em comparação com a análise
  básica)
• A distância de erro é 54 pior (25 de prob.) e
  67 pior (50 de prob.)
• Portanto é muito importante obter amostras para
  todas as possíveis direções.

23
Localizando usuários móveis

• Até agora, todos os experimentos feitos levavam
  em conta um usuário/dispositivo estacionário.
  Vejamos as particularidades para localização de
  usuários móveis
• O problema de localizar um usuário móvel pode ser
  definido como uma sequência de problemas de
  localizar um usuário quase-estacionário
• Assim, usa-se uma janela deslizante de 10
  amostras para computar a média de intensidade de
  sinal
• Esse valor é usado no método descrito
  anteriormente para usuários estacionários
• A distância de erro nesse caso é 19 pior que
  para o caso estacionário

24
Método baseado no modelo de propagação de sinal

• Utiliza um modelo teórico de propagação do sinal
  para gerar o conjunto de dados que serve de base
  para o NNSS
• Não depende de dados empiricamente coletados
  durante uma fase off-line
• Três modelos foram estudados
• Rayleigh fading model
• É largamente utilizado para descrever um fenômeno
  denominado multipath fading mas não é completo
  pois assume que todos os sinais que chegam ao
  receptor têm a mesma intensidade.
• Rician distribution model
• É um modelo mais abrangente (o modelo Rayleigh é
  um caso especial deste) que descreve a ocorrência
  de um sinal mais forte imerso em muitos sinais
  fracos e dispersos. É bastante completo, no
  entanto é difícil determinar os parâmetros do
  modelo como intensidade da componente dominante,
  por exemplo.
• Wall Attenuation Factor (WAF) model

25
Wall Attenuation Factor model

• Adaptação do modelo Floor Attenuation Factor
  (FAF) onde o fator de atenuação dos andares foi
  trocado pelo fator de atenuação dos obstáculos
  (paredes).
• É descrito pela seguinte fórmula
• Onde
• n indica a taxa com a qual a intensidade do sinal
  cai com a distância
• P(d0) indica a intensidade do sinal a uma
  distância de referência d0
• d é a distância que separa o transmissor do
  receptor
• C é o número máximo de paredes que fazem
  diferença sobre o fator de atenuação
• nW é o número de paredes entre o transmissor e o
  receptor
• WAF é o fator de atenuação das paredes

26
Determinando o fator WAF

• Primeiramente a intensidade do sinal é medida
  entre o receptor e o emissor quando eles têm
  linha de visão (sem obstáculos)
• Depois uma série de medições são feitas com um
  número conhecido de paredes entre o emissor e o
  receptor
• A média da diferença entre os sinais medidos é
  usada para determinar o fator WAF
• A atenuação começa a ficar cada vez menor
  conforme o número de paredes entre o receptor e o
  emissor aumenta (isso indica que a perda por
  distância domina a perda por obstáculos quando o
  receptor e o emissor estão distantes e existem
  muitos obstáculos entre eles)
• Os testes empíricos mostram que o fator WAF é de
  aproximadamente 3.1 dBm e o parâmetro C é de 4
  paredes (número máximo de paredes que fazem
  diferença na atenuação)

27
Variação do Sinal

• Acima podemos ver a diferença entre a intensidade
  dos sinais registrados sem (à esquerda) e com (à
  direita) o fator WAF.
• No gráfico à esquerda, percebe-se uma diferença
  de 10 dBm entre duas localidades afastadas
  aproximadamente 36m do receptor isso se deve ao
  fato de que, provavelmente, uma das localidades
  possui linha de visão com o receptor e a outra
  encontra-se atrás de algumas paredes.
• No gráfico à direita, já podemos perceber uma
  distribuição mais homogênea devido à correção
  proporcionada pelo fator WAF esse gráfico muito
  se assemelha ao de perda de sinal por distância
  em ambientes abertos.

28
Determinando os parâmetros n e P(d0)

• Com os valores de intensidade do sinal medidos em
  diversas posições e corrigidos com o fator WAF,
  basta fazer uma regressão linear e obter os
  parâmetros restantes.
• Os dados obtidos por regressão linear foram
• Podemos ver que os valores n e P(d0) não são
  muito discrepantes entre as bases, o que sugere
  que eles não estão associados a um local fixo.
• Além disso, o valor final combinado para as três
  bases é útil pois permite a inclusão de novas
  bases no sistema sem necessidade de recálculo.
• Os coeficientes R² e MSE são respectivamente o
  coeficiente de determinação e o erro quadrado
  médio que indicam a precisão da regressão linear.

29
Resultados do modelo de propagação de sinal

• Para determinar a precisão desse modelo, uma
  série de medidas foram feitas utilizando a
  fórmula descrita anteriormente. Esses valores
  foram usados como base para o algoritmo NNSS.
• O modelo de propagação de sinal apresentou
  distância de erro de 4,3m (50 de prob.) e 1,86m
  (???) (25 de prob.).
• Abaixo, mostramos um gráfico comparando os
  valores previstos pelo modelo e os valores reais
  medidos

30
Conclusões finais sobre os dois modelos

• Como visto através dos dados, o modelo empírico é
  muito mais preciso do que o modelo teórico.
• No entanto, o modelo empírico é mais caro na
  preparação pois a base para o algoritmo NNSS
  precisa ser construída manualmente. Já o modelo
  teórico apresenta uma maneira direta através da
  fórmula apresentada.
• Além disso, numa realocação das bases (ou
  inclusão de novas), o modelo empírico requer todo
  o trabalho de setup novamente. Isso não acontece
  no modelo teórico.
• Além de coletar dados sobre a intensidade do
  sinal, parece ser interessante combinar dados
  sobre o perfil do usuário como padrões de
  movimento, horários, etc.
• O objetivo dessa pesquisa era mostrar que, mesmo
  sucetível a interferência, reflexão, atenuação,
  etc, o sinal de rádio pode ser usado como base
  para as técnicas de localização de dispositivos
  móveis.

31
EKAHAU
32
Descrição

• EKAHAU é uma empresa que desenvolve ferramentas
  para localização e posicionamento de dispositivos
  móveis usando a infraestrutura Wireless
  (802.11abg).
• Apesar de pertencer a uma vertente diferente de
  pesquisa, Complex Systems Computation Group da
  Universidade de Helsinki, o EKAHAU muito se
  assemelha ao modelo empírico descrito pela
  pesquisa RADAR.
• Os produtos pertencentes à suíte EKAHAU são
• EKAHAU Positioning Engine
• EKAHAU T101 Wi-Fi Tag
• EKAHAU Site Survey
• EKAHAU Client

33
Positioning Engine

• É o software que gerencia o posicionamento de
  dispositivos.
• Trabalha com diversos tipos de dispositivos como
  WiFi Tags, laptops, PDAs e outros dispositivos
  802.11a/b/g.
• Possui precisão média de 1m, usando técnicas para
  calibrar o local em que será usado.
• Apresenta dois tipos de interface para que outros
  programas se comuniquem com o engine
• Uma API em Java que permite obter informações
  como posição x,y do dispositivo, velocidade,
  andar em que se encontra, direção, etc.
• Um protocolo denominado YAX que permite a
  comunicação via sockets com o engine

34
T101 Wi-Fi Tag

• São dispositivos pertencentes ao padrão 802.11
  que podem ser usados como etiquetas para
  localização de pessoas, equipamentos, containers,
  etc.
• Funcionam de forma transparente no sistema de
  posicionamento EKAHAU.
• Não necessitam de infraestrutura de hardware
  proprietária.

35
EKAHAU Site Survey

• Essa é uma poderosa ferramenta para gravar,
  visualizar, analisar, otimizar e verificar a
  performance de sua rede sem fio.
• Possui basicamente um visualizador e editor do
  mapa da região onde a rede sem fio está
  instalada.
• Com essa ferramenta, um administrador de rede sem
  fio pode ter as seguintes informações da rede
  intensidade do sinal em diversos pontos, taxa de
  transmissão de dados, localização dos APs,
  utilitário para melhor posicionamento de APs,
  interferência, AP mais forte, entre outras.

36
EKAHAU Client

• Software que deve ser instalado nos dispositivos
  móveis como laptops e PDAs para que eles se
  tornem passíveis de localização e posicionamento
  através do Positioning Engine.
• Além disso, com esse software instalado, laptops
  e PDAs tornam-se capazes de gerar dados para o
  Site Survey, ajudando na obtenção de estatísticas
  sobre o local onde a rede sem fio será instalada.

37
Screenshots Positioning Engine
38
Screenshots Client
39
Screenshots Site Survey
40
Screenshots Site Survey
41
Screenshots Site Planner
42
Q A