Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Robust wlan-stödd positionering: För miljöer med starka flervägsfel-effekter
Mid Sweden University, Faculty of Science, Technology and Media, Department of Archives and Computer Science.
2014 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [sv]

Efterfrågan och tillhandahållandet av platsberoende tjänster blir allt större vilket i sin tur skapar intresse för billiga och skalbara tekniker i alla möjliga olika miljöer. Särskilt intressant blir tekniker som är lätta att installera på nya platser och vars hårdvarukomponenter är enkla och billiga. I denna rapport presenteras en experimentiell systemteknisk metod för positionsberäkning i inomhusmiljöer, specifikt de som på grund av lokala elektromagnetiska fält, rörliga större föremål eller oregelbundna ytor skapar störningar som gör det svårt att utföra förlitlig positionering. Systemet utgörs av ett antal wifi-routrar samt en signalmottagre kopplad till en dator med systemets mjukvarukomponent installerad. Resultatet bedömdes utifrån en förväntad nivå av korrekthet, närmare bestämt att minst hälften av systemets bedömningar inte har fel med mer än två meter, samt en övre gräns på högst tre meters fel i minst 90 procent av fallen. För att möta målsättningen utrustades mjukvaran med komponenter tänkta att minimera effekten av störningar. Ett Kalmanfilter ger en bättre tolkning av inkommande mätdata medan en för området vanlig estimeringsalgoritm, så kallad Location Fingerprinting, förstärks med en experimentell uppsättning artificiella neurala neuronnät. Som rapporten kommer visa möter systemet som helhet utmaningen och presterar initialt bättre än väntat (hälften av bedömningarna har ett fel på 1,5 meter eller lägre) men även att det beshöver testas i så många nya miljöer som möjligt så att det kan gå att dra slutsatser om dess mer generella användbarhet.

Abstract [en]

The demand for and supply of location based services (LBS) is constantly growing, which in turn leads to an unquenchable thirst for affordable, scalable localisation solutions in all kinds of surroundings. Technical solutions that are easy to set up at a new location and whose hardware components are simple and affordable, are especially of interest.This paper describes an experimental system designed for positioning a client in particularly challenging indoor environments – wether it's due to local electromagnetic fields, large moving objects or slanted surfaces, basically whatever could create difficulties in radiowave based positioning. This system consists of a number of wifi routers and a signal receiver connected to a computer running the central software component. The results were assessed out of an expected level of accuracy, namely that no more than half of the estimates are off by two meters or more, with an upper limit of no more than 90 percent of the estimates being off by three meters or more. In order to achieve this, the software includes algorithms designed to lessen the effect of signal disruption. A Kalman filter gives the system a better interpretation of sensor data, while the (for the field) common estimation method of Location Fingerprinting gets reinforced by an experimental array of artificial neural networks. As this paper will show, the system will within the initial testing fulfill the set criteria to satisfaction, however it will need future trials in a row of varying environments so as to give an indication of its general usefulness.

Place, publisher, year, edition, pages
2014. , 22 p.
Keyword [en]
Positioning, geolocalisation, wifi, wlan, location fingerprinting, artificial neural network, Kalman filter
Keyword [sv]
positionering, geolokalisering, wifi, wlan, location fingerprinting, artificiella neuronnät, kalmanfilter
National Category
Computer Science
Identifiers
URN: urn:nbn:se:miun:diva-24146OAI: oai:DiVA.org:miun-24146DiVA: diva2:780945
Subject / course
Computer Science IF1
Presentation
2014-10-16, 13:00 (Swedish)
Supervisors
Examiners
Available from: 2015-01-26 Created: 2015-01-15 Last updated: 2015-01-26Bibliographically approved

Open Access in DiVA

fulltext(696 kB)82 downloads
File information
File name FULLTEXT01.pdfFile size 696 kBChecksum SHA-512
bc5b9ff55bfc1fb9177477ae6ad670a0c1984486f42d917d01d3b73458fad8494334e0587110b598ad1e68ffa1261531c250181d41834a474554972fdc62bea0
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Lathe, Andreas
By organisation
Department of Archives and Computer Science
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 82 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 224 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf