Sistemas de Localiza - PowerPoint PPT Presentation

1 / 35
About This Presentation
Title:

Sistemas de Localiza

Description:

Title: T cnicas de Localiza o Author: Fernando Ney Last modified by: Fernando Ney Created Date: 11/21/2003 3:40:20 PM Document presentation format – PowerPoint PPT presentation

Number of Views:90
Avg rating:3.0/5.0
Slides: 36
Provided by: Fernan167
Category:

less

Transcript and Presenter's Notes

Title: Sistemas de Localiza


1
Sistemas de Localização baseados em 802.11
  • Fernando Ney da Costa Nascimento
  • ney_at_inf.puc-rio.br

2
Roteiro
  • Motivação
  • Aplicações
  • Alternativas e Problemas
  • Localização baseada em 802.11
  • Metodologia
  • Algoritmos
  • Conclusões

3
Motivação
  • Crescente aumento de comunicação sem fio
  • Pré-requisito para serviços baseados em
    localização
  • Soluções tradicionais não funcionam

4
Aplicações
  • Location-Awareness
  • Localização de Pessoas
  • Dispositivos Inteligentes
  • Roteamento Wireless
  • Segurança
  • Localização de intrusos
  • Robôs Móveis
  • Exploração
  • Construção automática de mapas
  • Navegação

5
Propriedades de Sistemas de Localização
  • Posição Física x Simbólica
  • Localização Absoluta x Relativa
  • Localização Remota ou Auto-Localização
  • Exatidão e Precisão
  • Escala
  • Reconhecimento de dispostivos
  • Custo
  • Limitações

6
Alternativas
  • Outdoor
  • GPS
  • Indoor
  • Infrared (IR)
  • Radio Frequency (RF)

7
GPS
  • Altamente disseminado
  • Cada vez mais baratos
  • Não funcionam em ambientes indoor

8
Infra-Vermelho
  • Grande precisão (curtas distâncias, linha reta
    entre emissor e receptor)
  • Baixa escalabilidade
  • Requer hardware especializado
  • Ex Active Badge

9
Rádio Frequência
  • Granularidade a nível de célula
  • Alta Escalabilidade
  • Não requer hardware especializado

10
Problemas com propagação de sinais Indoor
  • Propagação não linear
  • Ruído
  • Propagação Multi-Caminho
  • Interferência
  • Absorção
  • Temperatura do ar
  • Absorção por pessoas (freqüência resonante da
    água)

11
Localização baseada em 802.11
  • Hardware já presente no ambiente
  • Custo reduzido
  • Complexidade reduzida

12
Ideía
  • Usar medidas de força do sinal para determinar a
    localização.

13
Categorias
  • Técnicas Determinísticas
  • Técnicas Probabilísticas

14
Algoritmos para Localização
  • Fase 1 Geração dos dados Construção de um
    espaço de busca.
  • Geração por modelos de propagação
  • Geração empírica
  • Fase 2 Recepção de um dado real e busca da
    posição nos dados gerados na fase 1.
  • Busca probabilística
  • Busca por diferença/semelhança

15
Técnicas de Localização
  • Representação do Espaço
  • Representação do Sinal
  • Algorimtos de Inferência de Localização

16
Representação do Espaço
  • Representação da localização e direção

17
Representação do Sinal
  • Ponto de Acesso
  • Valor do sinal medido

18
Algoritmos de Inferência
  • Nearest Neighbor
  • Multiple Nearest Neighbor
  • Modelo de Propagação de ondas de rádio
  • Kernel Method
  • Histogram Method
  • Inferência Probabilística

19
Nearest Neighbor (CHOICE, RADAR)
  • A localização é determinada usando um função de
    distância.
  • Ex. Distância Euclidiana
  • Resolução de 3.20 metros em média

20
Multiple Nearest Neighbor (RADAR)
  • São considerados as k amostras mais perto.
  • Resolução de 2.75 (k5)metros em média

21
Multiple Nearest Neighbor (cont.)
  • Escolha de k
  • k pequeno melhora, mas não significativamente
  • k grande piora,pois pontos distantes são levados
    em consideração
  • k não melhora significativamente porque são os
    mesmos pontos com diferentes orientações

22
Modelo de propagação de ondas de rádio
  • Usado para determinar as amostras
  • Teórico x Empírico
  • Diversos modelos de propagação
  • Resultados variáveis devido a propagação de
    sinais em ambientes indoor
  • Reduz a dependência de dados empirícos

23
Modelo de propagação de ondas de rádio
  • Resolução de 4.3 metros em média

24
Regra de Bayes
  • Função de Probabilidade
  • Probabilidade Anterior
  • Distribuição Posterior

25
Kernel Method (Ekahau)
  • Regra de Bayes
  • Distribuição posterior
  • Uso de distribuição Gaussiana

26
Kernel Method
  • Função de Probabilidade

27
Kernel Method
28
Histogram Method (Ekahau, Rover, Nibble)
  • Função de Probabilidade
  • Determinada através de caixas
  • Caixas com tamanhos diferentes ou iguais

29
Histogram Method
30
Inferência Probabilística
  • Resolução de 1.5 metros em média

31
Sistemas de Localização
Algoritmos Precisão Sistemas
Nearest Neighbor 3.20 RADAR, CHOICE
Kernel 2.30 Ekahau
Histogram 2.30 Ekahau, Rover, Nibble
Inferência Probabilística 1.50 Rice University
32
Variações
  • Número de pontos amostrados
  • Número de amostras por pontos
  • Orientação do usuário
  • Número vetores de observação utilizados
  • Número de Pontos de Acesso

33
Vantagens
  • Orientação
  • Não tão preciso como posição
  • Custo
  • Infraestrutura já existente
  • Escalável
  • Limitação por custo computacional

34
Desvantagens
  • Dependência do Ambiente
  • Movimentação de pessoas e objetos
  • Outros dispositivos 2.4 GHz
  • Geração de dados
  • Tempo necessário para geração

35
Conclusões
  • A inferência varia com fatores externos
  • Os melhores resultados têm sido obtidos com
    estratégias probabilísticas
  • É possível a construção de diversas aplicações
    com a precisão descrita
Write a Comment
User Comments (0)
About PowerShow.com