Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Magda Booher Geändert vor über 10 Jahren
1
Positionierung von DECT Geräten Projektgruppe Location-based Services for Wireless Devices WS 2004/05 Autor: Christian Platta Vorstellen: Name, Tätigkeit, Veranstaltung AG Kao Betriebssysteme und Verteilte Systeme Institut für Informatik Universität Paderborn
2
DECT der Standard Digital Enhanced Cordless Telecommunication
Früher Digital European Cordless Telephone aber aus Marketing-Gründen umbenannt Protokoll Standard für drahtlose Telefone im Haus- und Firmenbereich seit 1992 (ESTI) sehr erfolgreich: alleine 2003 über 50 mio. verkaufte DECT Produkte kostengünstig verschiedene Anbieter
3
Architektur von DECT GAP External Network Fixed Part (FP)
ISDN LAN Commom Air Interface GAP External Network Fixed Part (FP) Portable Part (PP) X.25 GSM
4
Dynamic Channel Selection
FP 1 Intercell Handover FP 2 FP 1 FP 2 Intracell Handover Channel 1 Kann auch während der Komminkation durchgeführt werden! PP hat eine Signalstärke-Liste aller empfangenen FPs. PP kommuniziert im besten Kanal. Channel 2
5
Probleme mit der Signalstärke
Abschattung, Mehrwegeausbreitung Über die Signalstärke kann nicht direkt auf die Entfernung zwischen FP und PP geschlossen werden. Daher: Messungen durchführen, welche die reale Signalstärken-Verteilung wiederspiegeln. vs. outdoor systemen wie GPS ist der ZUsammenhang zw. Luafzeit und entfernung eine einfache Funktion Gleiches gilt für Signallaufzeit In komplex strukturierten Umgebungen ist die Einfachheit des Zusammenhanges zwischen Feldst‰rke (Empfangsleistung), bzw. der Signallaufzeit und der Entfernung nicht mehr gegeben. Solche Umgebungen befinden sich z.B. in Geb‰uden, in denen die Signale der el.magn. Sendern durch die vorhandenen materiellen Strukturen (W‰nde, Decken,etc.) teilweise absorbiert und mehrfach reflektiert werden.
6
Ansätze zur Positionierung
Wir haben: Signalstärken aller empfangenen FPs Wir suchen: Punkt, an dem sich das PP befindet Wir wollen nur die vorhandene Infrastruktur nutzen Ansätze: Next-Neighbor-Estimation GPPS Nonlinear Filtering Technique Siemens DPS ✓ ? ! Alle Verfahren nutzen also die signalstärke, nicht Laufzeitenmessung Das mit der vorhandenen Infrastruktur ist der Reiz an der Sache, große Investitionen in DECT bzw. wlan Netzwerke, LocationService als beinahe kostenloser Zusatz ist da reizvoll wenn neue HW Installiert werden müßte ist es fraglich, ob der Nutzen des LBS die HW Kosten aufwiegt
7
Next-Neighbor-Estimation
Ansatz 1 Next-Neighbor-Estimation
8
Next-Neighbor-Estimation
Erstellung eines möglichst feinen Netzes von Messpunkten Suche den Messpunkt, der den gemessenen Werten am ähnlichsten ist Vorteil: relativ einfache Realisierung Nachteil: nur vorher gemessene Punkte können “gefunden” werden sehr viele Messpunkte nötig benötig viele optimal angeordnete FPs sehr anfällig gegen Ausfälle von FPs bzw. Messfehlern
9
Next-Neighbor-Estimation
Fazit aus NNE: Messpunkte alleine reichen nicht immer aus Keine Aussagen über Punkte, die nicht explizit gemessen wurden Keine Aussagen über die Güte des geschätzten Ergebnisses Daher: A: Schätzung anhand mehrer benachbarter Messpunkte B: Modell zur Beschreibung des Problems Ein Modell beschreibt den Zusammenhang zw. empfangenen Signalstärken und einer Position
10
Ansatz 2 GPPS Gaussian Process Positioning System
11
GPPS W’keitstheoretischer Ansatz
Gibt Antwort auf die Frage: “Welche Position ist bei gegebenen Signalstärken am wahrscheinlichsten?” für DECT getestet, aber auch für W-LAN denkbar
12
Modell des GPPS Erstellung eines W‘keitstheoretischen Modells:
Beschreibt die W‘keit, das an einem Punkt t die Signalstärken si von i Basisstationen gemessen werden pi(si|t), i= 1... Anzahl Basisstationen Wie bekommen wir p? p wird mit Hilfe von Messwerten über ein Gaussian Prozess Modell approximiert. Lokalisierung: Ermittle den Punkt, mit der größten max. W’keit für alle pi Optimierungsproblem
13
GPPS Genauigkeit des Verfahrens hängt stark mit den verwendeten Funktionen des Gaussian Prozess Models zusammen Entscheidung für verwendete Funktionen Kalibrierung über Messdaten Standorte der Basisstationen werden geschätzt ∅ der 3 stärksten Messpunkte Die Messwerte werden nicht direkt verwendet, sondern mit einem Rauschen versehen (Gaussian noise) warum weshalb wiso?
14
Genauigkeit des Verfahrens
Mean localization error (in meters) BEI 650 MESSUNGEN WAR NNLOC SOGAR BESSER ALS GPPS NNLOC ist ein NNE Verfahren Schaubild zeigt: durchschnittlicher Lokalisierungs-fehler bei steigender Anzahl an Messpunkten random= zufällige Wahl der Messpunkte Bedeutet: 1. NNE wie bereits erwähnt mit steigender Messpunktzahl immer besser 2. generell aber schlechter als GPPS 3. Verteilung der Messpunkte is von Bedeutung (komm ich später noch mal zu) Number of points for calibration
15
Nonlinear Filtering Technique
Ansatz 3 Nonlinear Filtering Technique
16
Modell der Nonlinear Filtering Technique
Measurement Model 1. Deterministischer Part: Modellierung der Signalstärke als Funktion bezüglich der Positionen. Approximierung anhand der Messwerte 2. Stochastischer Part: Unterschied zwischen deterministischem Modell und der “realen” Verteilung (Gaussian noise) Messrauschen Approximiert über mehrfache Messungen an einem Punkt 3. Motion Model
17
Approximation der Signalstärke
18
Motion Modell Beschreibt Wissen über die Bewegung eines PPs z.B.:
die max. Schrittweite eines FPs in einem Zeitintervall ist begrenzt Bereits vorher ermittelte Positionen beachten Bewegungsrichtung Eingrenzung der möglichen Positionen Robustheit gegen Ausfall von FPs und Signal Aliasing Signal Aliasing: Es ist möglich, das 2 Punkte sich von den Signalverhältnissen nur schwach unterscheiden, physikalisch aber zwei weit voneinander entfernte Punkte darstellen
19
Lokalisierung mit der NFT
Lokalisierung erfolgt in einer Folge von Filterschritten Genauigkeit hängt von der Anzahl der durchgeführten Filterschritte ab Genauigkeit ist durch den Anwender beeinflussbar Aussagen über die Sicherheit des Ergebnisses
20
Genauigkeit des Verfahrens
Szenario: 10 FPs, 30 m x 30 m großer Raum Abstand der Messpunkte: 1m Durchschnittlicher Fehler 1,22 m nach 170 Filterschritten
21
Ansatz 4 DECT Positioning System
22
Pattern-Matching Verfahren
Datenbank aktuelle Messung B1 B2 B3 B4 B5 B6 { B1 B2 B3 B4 B5 B6 { B1 B2 B3 B4 B5 B6 { B1 B2 B3 B4 B5 B6 { B1 B2 B3 B4 B5 B6 { ...
23
Pattern-Matching Verfahren
Suche den Messpunkt, welcher der Messung am “nächsten” ist. Summe der Nachbarschaften bezüglich aller empfangenen FPs Proxtotal= ∑ Prox Was bedeutet Nachbarschaft in Bezug auf Signalstärken? Abstandsmaß 1: Prox = Fehlergewicht * äquivalenter euklidischer Abstand Abstandsmaß 2: Prox = Fehlergewicht * “einfacher“ Abstand K k=1 k i Abstandsmaß 2: ist max., wenn Messung==Referenzwert Summe der Nachbarschaften bezüglich der empfangenen FPs d.h. ich guck mir jedes element meines Messvektors einzeln an und brechne die Nähe zu den einzelnen Messpunkten, wer insgesamt am nächsten ist hat gewonnen k i k i
24
Genauigkeit des Verfahrens
Bürogebäude: <= 5m Industrieumgebung: <= 12m Zeit zur Lokalisierung: < 5 sec während eines Anrufs < 10 sec sonst Anfragen pro Minute: max. 250 Vergleich Cell ID: ca. 100m
25
Vereinfachter Ablauf einer Ortungsanfrage
Location Server Ortungsanfrage PP_4711 User DB Location Manager RSSI Maps DB FP Map Server PP_4711 S1S 2S3 ...
26
Überblick: alle Verfahren Relevanz für die PG
NNE relativ einfach zu realisieren Mögliche Grundlage für die PG GPPS W’keitstheoretisches Modell Mit zusätzlichen Informationen wahrscheinlich umsetzbar Nonlinear Filtering Technique sehr komplexes Modell zu komplex für einen Prototypen Siemens DPS Erweitertes NNE-Verfahren NNE: Für unseren Prototypen als Grundlage durchaus denkbar GPPS: Wenn zusätzliche Infos vielleicht realisierbar NFT: Selbst wenn zusätzliche Infos vorhanden aufgrund der Komplexität wahrscheinlich nicht selber nachzubauen DPS: Mein Name is Hase und ich weiss von nichts
27
Einflussfaktoren I Positionierung der Basisstationen
Anzahl der Basisstationen Ungleichmäßige Verteilung Gleichmäßige Verteilung Gibt bei den hier vorgestellten Verfahren i.d.R eine mindest Anzahl BS und eine Sättigungsanzahl (Bsp. Siemens: 13 Optimal) niedrige Ortungsgenauigkeit hohe Ortungsgenauigkeit
28
Einflussfaktoren II Das Vorgehen bei der Messung ist wichtig!
Dichte der Messpunkte Messen kostet Zeit und Geld! Anordnung der Messpunkte quadratisch vs. hexagonal Wiederholungen der Messung am gleichen Punkt Anzahl der Wiederholungen Ausrichtung bezüglich FPs “Höhe” der Messung Reproduzierbarkeit der Messwerte Unterschiedliche Zeiten Unterschiedliche Messgeräte Ausrichtung ist wichtig! Bei Mehrfachmessung daher auf der Stelle drehen!
29
Einflussfaktoren III Robustheit des Systems
Wie reagiert das System auf veränderte Bedingungen? Ausfall eines Routers (Leave one out test) Bauliche Maßnahmen Viele Nutzer in einer Zelle Hersteller der Hardware und Software Format und Schnittstellen oft nicht standardisiert Algorithmus übertragbar Die erstellte Software ggf. nur durch Anpassung 2D oder 3D Positionierung Die Unterscheidung von Ebenen ist oft nicht einfach
30
Ansätze zur Verbesserung eines Modells
Motion Model Signalstärke + Laufzeitenmessung Lernende Algorithmen (Neurale Netze) Topografische Informationen Mehrere Messkarten für dieselbe Region, die unterschiedliche Systemzustände repräsentieren (busy period vs. after work period)
31
Noch Fragen? ? ? ? ? ?
32
Vielen Dank für Ihre Aufmerksamkeit !
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.