Localización en interiores
             mediante WiFi


Almudena Rivadeneyra, José Carlos Segura,
Pablo García-Sánchez
ETS...
Índice

   Introducción
   Desarrollo
       Fase previa
       Localización zonal
                   Vecino más próx...
Introducción

   Localización en espacios cerrados
   Otros proyectos
       Bat, CRICKET, RADAR
   Wi-Fi
       Poco...
Fase previa

   Programa que extrae muestras
       MAC
                  Edificio
                  Planta
          ...
Fase previa
Localización zonal:
        El candidato más votado
   Utiliza la MAC con más potencia y permite
    saber la planta y el...
Localización Zonal:
             Vecino más próximo
   Plantas con tres puntos de acceso, se escogen
    los 3 AP con may...
Localización precisa

   Utiliza la posición exacta del conjunto de
    muestras inicial y un recorrido por cada una de
 ...
Localización precisa (II)

   Análisis estático: conocidas las posiciones de
    las muestras de referencia, estimar su p...
Análisis estático (ejemplo)
Análisis dinámico
   Una medición cada segundo (suavizada)
    RSSIn,m = α*RSSIn,m +(1- α)*RSSIn,m con α = 0.75
         ...
Análisis dinámico
Conclusiones

   Creación de una BD para testeo de algoritmos
   Localización factible con errores de ±5 metros
   Loca...
Muchas gracias!

   ¿Dudas? O mejor, ¿sugerencias?
       almutr@correo.ugr.es
Upcoming SlideShare
Loading in...5
×

Presentacion wifi

809

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
809
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
4
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Presentacion wifi

  1. 1. Localización en interiores mediante WiFi Almudena Rivadeneyra, José Carlos Segura, Pablo García-Sánchez ETS. Ingenierías en Informática y Telecomunicación Universidad de Granada
  2. 2. Índice  Introducción  Desarrollo  Fase previa  Localización zonal  Vecino más próximo  Candidato más votado  Localización minuciosa  Distancia mínima  Minimal Square Error  Conclusiones
  3. 3. Introducción  Localización en espacios cerrados  Otros proyectos  Bat, CRICKET, RADAR  Wi-Fi  Poco costoso  Atraviesa paredes (2 o 3 AP para 250 m2)  No hay que agregar hardware adicional
  4. 4. Fase previa  Programa que extrae muestras  MAC  Edificio  Planta  Zona  RSSI  SID  Tomadas en condiciones de trabajo reales.
  5. 5. Fase previa
  6. 6. Localización zonal: El candidato más votado  Utiliza la MAC con más potencia y permite saber la planta y el edificio
  7. 7. Localización Zonal: Vecino más próximo  Plantas con tres puntos de acceso, se escogen los 3 AP con mayor potencia (AP1, AP2, AP3)  Izquierda: AP1 pertenece a ZI, AP2 pertenece a ZC y AP3 no pertenece a la planta  Derecha: (análogo)  Central: AP1, AP2 y AP3 en la misma planta  Plantas con dos puntos de acceso, se escogen los dos AP con mayor potencia (AP1, AP2)  Izquierda: AP1 en ZI y AP2 en otra planta  Derecha: (análogo)  Central: AP1 y AP2 de la misma planta
  8. 8. Localización precisa  Utiliza la posición exacta del conjunto de muestras inicial y un recorrido por cada una de las plantas.  Algoritmos  Mínima Distancia (MD): Escoger de las referencias aquella que más se parezca al índice de potencia actual  Estimación de mínimo error de la posición (MSE): dada una cierta potencia, qué probabilidad existe de que se encuentre en determinada posición  Posición estimada = Probabilidad*Posición
  9. 9. Localización precisa (II)  Análisis estático: conocidas las posiciones de las muestras de referencia, estimar su posición dadas el resto de referencias.  Análisis dinámico: se realiza un recorrido de un extremo a otro de la planta  Los valores de referencia a usar para los experimentos:  Los 3 valores de mayor potencia para cada AP  La media de todas las referencias  Todos los valores de forma individual
  10. 10. Análisis estático (ejemplo)
  11. 11. Análisis dinámico  Una medición cada segundo (suavizada) RSSIn,m = α*RSSIn,m +(1- α)*RSSIn,m con α = 0.75 -1
  12. 12. Análisis dinámico
  13. 13. Conclusiones  Creación de una BD para testeo de algoritmos  Localización factible con errores de ±5 metros  Localización zonal (Candidato Más Votado vs. Vecino Más Cercano)  Localización minuciosa (MSE vs. MD)  Método de Mínimo Error basado en distribuciones gaussianas es mejor que MD.
  14. 14. Muchas gracias!  ¿Dudas? O mejor, ¿sugerencias?  almutr@correo.ugr.es
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×