1. Localización en interiores
mediante WiFi
Almudena Rivadeneyra, José Carlos Segura,
Pablo García-Sánchez
ETS. Ingenierías en Informática y Telecomunicación
Universidad de Granada
2. Índice
Introducción
Desarrollo
Fase previa
Localización zonal
Vecino más próximo
Candidato más votado
Localización minuciosa
Distancia mínima
Minimal Square Error
Conclusiones
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. Fase previa
Programa que extrae muestras
MAC
Edificio
Planta
Zona
RSSI
SID
Tomadas en condiciones de trabajo reales.
6. Localización zonal:
El candidato más votado
Utiliza la MAC con más potencia y permite
saber la planta y el edificio
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. 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. 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
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. Muchas gracias!
¿Dudas? O mejor, ¿sugerencias?
almutr@correo.ugr.es