|
|
| Κωδικός Πόρου |
000368400 |
| Τίτλος |
Low-dimensional Signal-Strength Fingerprint-based Positioning in Wireless LANs |
| Άλλος τίτλος |
Εντοπισμός θέσης σε ασύρματα δίκτυα βασισμένος σε χαμηλής διάστασης αποτυπώματα |
| Συγγραφέας |
Μηλιώρης, Δημήτριος Σπυρίδωνας
|
|
Συγγραφέας
|
Jacquet, Philippe
Τσακαλίδης, Παναγιώτης
|
| Περίληψη |
Ο ακριβής εντοπισμός θέσης σε εσωτερικό περιβάλλον αποτελεί μια σημαντική διαδικασία για πολλά διάχυτα υπολογιστικά συστήματα, με πληθώρα εφαρμογών που βασίζονται στο IEEE 802.11, Blutetooth, τεχνολογίες υπερήχων και σε τεχνολογίες υπερύθρων.
Η έμφυτη αραιότητα που παρουσιάζεται στο πρόβλημα του εντοπισμού θέσης μας παρακινεί να χρησιμοποιήσουμε την πρόσφατη θεωρία της συμπιεστικής δειγμα¬τοληψίας (Compressive Sensing - CS), η οποία ορίζει οτι εάν έαν σήμα έχει αραιή αναπαράσταση σε μια κατάλληλη βάση τότε μπορεί να ανακατασκευαστεί με μεγάλη ακρίβεια από ένα μικρό αριθμό τυχαίων γραμμικών προβολών.
Η παρούσα μεταπτυχιακή εργασία εισάγει αρχικά μια νέα τεχνική εύρεσης θέσης μοντελοποιώντας τις μετρήσεις της ισχύς του σήματος - που έχουν ληφθεί από διάφορα σημεία πρόσβασης (Access Points - APs) - με πολυδιάστατη Γκαουσιανή κατανομή. Χρησιμοποιείται επίσης η θεωρία της συμπιεστικής δειγματοληψίας για την ακριβή εκτίμηση εύρεσης θέσης βασισμένη στις μετρήσεις της ισχύς του σήματος, ενώ μειώνεται σημαντικά η ποσότητα της πληροφορίας που εκπέμπεται από μια ασύρματη συσκευή με ελάχιστους πόρους ενέργειας, δυνατότητα αποθήκευσης και επεξεργασίας, σε μια κεντρική μηχανή (server). Η δυνατότητα της θεωρίας της συμπιεστικής δειγμα¬τοληψίας να συμπεριφέρεται σαν αδύναμη διαδικασία κρυπτογράφησης αποδεικνύεται από το γεγονός ότι η προτεινόμενη προσέγγιση παρουσιάζει αυξημένη ανθεκτικότητα σε πιθανές εισβολές από κακόβουλους χρήστες. Τέλος, παρουσιάζεται ένα υβριδικό μοντέλο εκτίμησης πορείας, το οποίο χρησιμοποιεί την αποδοτικότητα του φίλτρου Kalman σε συνδυασμό με την θεωρία της συμπιεστικής δειγματοληψίας και το πολυδιάστατο Γκαουσιανό μοντέλο.
Τα πειράματα αποκαλύπτουν αυξημένη επίδοση εκτίμησης θέσης, ενώ τα επίπεδα υπολογιστικής πολυπλοκότητας παραμένουν χαμηλά, σε σύγκριση με προηγούμενες στατιστικές μεθόδους.
|
| Φυσική περιγραφή |
69 σ. : εικ., πίν. ; 30 εκ. |
| Γλώσσα |
Αγγλικά |
| Θέμα |
Business Performance Management |
|
Compressive sensing |
|
Kalman filter |
|
Kullback-Leibler divergence |
|
Multivariate Gaussian model |
|
RSS measurements |
|
Sparse representation |
|
Απόκλιση Kullback-Leibler |
|
Αραιή αναπαράσταση |
|
Μετρήσεις λαμβανόμενης ισχύς του σήματος |
|
Πολυδιάστατο Γκαουσιανό μοντέλο |
|
Συμπιεστική δειγματοληψία (CS) |
|
Φίλτρο Kalman |
| Ημερομηνία έκδοσης |
2011-07-15 |
| Συλλογή
|
Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Επιστήμης Υπολογιστών--Μεταπτυχιακές εργασίες ειδίκευσης
|
|
|
Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης
|
| Εμφανίσεις |
493 |
Low-dimensional Signal-Strength Fingerprint-based Positioning in Wireless LANs
