Συντάχθηκε 19-07-2024 12:00
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 23/07/2024 13:00
Λήξη: 23/07/2024 14:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Αναστασίου Κλενιάτη
με θέμα
Ραδιοσυχνοτικός Προσδιορισμός Θέσης Ανθρώπων χωρίς Συσκευές σε Εσωτερικούς Χώρους
Device-free Indoor Localization of People with Radio Frequency
Εξεταστική Επιτροπή
Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Άγγελος Μπλέτσας
Καθηγητής Μιχαήλ Λαγουδάκης
Περίληψη
Ο εντοπισμός χωρίς συσκευές (DFL) είναι μια αναδυόμενη τεχνολογία με ποικίλες εφαρμογές, όπως η ασφάλεια, η ανάλυση της συμπεριφοράς των πελατών και τα έξυπνα κτίρια. O DFL επικεντρώνεται στον εντοπισμό ατόμων χωρίς να απαιτείται να φέρουν συσκευές ή να συμμετέχουν ενεργά στη διαδικασία εντοπισμού. Πρόσφατες έρευνες έχουν αξιοποίησει τις ασύρματες τεχνολογίες για τoν DFL λόγω της οικονομικής αποδοτικότητας και της μη παρεμβατικής φύσης τους. Ωστόσο, ο ακριβής εντοπισμός πολλαπλών ατόμων σε μια περιοχή παραμένει πρόκληση λόγω των σοβαρών επιδράσεων πολλαπλών διαδρομών (multipath).
Αυτή η εργασία αντιμετωπίζει αυτές τις προκλήσεις με τη μοντελοποίηση των ανακλάσεων πολλαπλών διαδρομών και την πρόταση δύο μεθόδων DFL που χρησιμοποιούν πρόσθετα χαρακτηριστικά σήματος, όπως η φάση και ο ρυθμός ανάγνωσης, σε αντίθεση με τις υπάρχουσες μεθόδους που βασίζονται αποκλειστικά στην ισχύ του λαμβανόμενου σήματος. Επιπλέον, εισάγει μια πρακτική τεχνική σύνθεσης για το συνδυασμό διαφορετικών μεθόδων DFL, βελτιώνοντας τη συνολική απόδοση. Ένα άλλο βασικό στοιχείο είναι η τοποθέτηση πολλαπλών ετικετών RFID εντός της περιοχής ενδιαφέροντος, οι οποίες λειτουργούν ως πρόσθετες ασύρματες κεραίες, μειώνοντας σημαντικά το συνολικό κόστος σε σύγκριση με τα ασύρματα δίκτυα αισθητήρων που χρησιμοποιούνται συνήθως στη βιβλιογραφία.
Πειράματα σε πραγματικό κόσμο έδειξαν ότι οι προτεινόμενες μέθοδοι μπορούν να επιτύχουν ακρίβεια συγκρίσιμη με τις σύγχρονες τεχνικές και μπορούν ακόμη και να τις ξεπεράσουν σε ορισμένα σενάρια. Ειδικότερα, μία από τις προτεινόμενες μεθόδους επιτυγχάνει 25% καλύτερη ακρίβεια εντοπισμού από μια υπάρχουσα μέθοδο κατά τον εντοπισμό τριών στόχων. Επιπλέον, ο συνδυασμός μιας από τις προτεινόμενες μεθόδους με μια υπάρχουσα τεχνική βελτιώνει την απόδοση της υπάρχουσας μεθόδου κατά 40%, 13% και 28% σε σενάρια εντοπισμού ενός, δύο και τριών στόχων, αντίστοιχα. Συγκεκριμένα, χρησιμοποιώντας 84 παθητικές ετικέτες RFID, το σφάλμα εντοπισμού μειώνεται σε λιγότερο από 36 cm για έναν στόχο, λιγότερο από 41 cm για δύο στόχους και λιγότερο από 96 cm για τρεις στόχους, στο 90% των περιπτώσεων.
Abstract
Device-free localization (DFL) is an emerging technology with diverse applications, including security, customer behavior analysis, and smart buildings. DFL focuses on locating individuals without requiring them to carry devices or actively participate in the localization process. Recent research has leveraged wireless technologies for DFL due to their cost-effectiveness and non-intrusive nature. However, accurately localizing multiple people in an area remains challenging due to severe multipath effects.
This work addresses these challenges by modeling multipath reflections and proposing two DFL methods that utilize additional signal characteristics such as phase and read rate, unlike existing methods that rely solely on received signal strength. Additionally, it introduces a practical fusion technique to combine different DFL methods, enhancing overall performance. Another key component is the deployment of multiple RFID tags within the area of interest, which function as additional wireless antennas, significantly reducing the overall cost compared to the wireless sensor networks commonly used in the literature.
Real-world experiments demonstrated that the proposed methods achieve accuracy comparable to state-of-the-art techniques and can even surpass them in certain scenarios. Notably, one of the proposed methods achieves 25% better localization accuracy than an existing method when localizing three targets. Additionally, combining one of the proposed methods with an existing technique enhances the existing method's performance by 40%, 13%, and 28% in one, two, and three target localization scenarios, respectively. Specifically, using 84 passive RFID tags, the localization error is reduced to less than 36 cm for one target, less than 41 cm for two targets, and less than 96 cm for three targets, 90% of the time.
