Συντάχθηκε 29-07-2024 10:40
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 31/07/2024 11:00
Λήξη: 31/07/2024 12:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Γεωργίου Ανδρεάδη
με θέμα
Προσδιορισμός Θέσης με χρήση Φάσης Χαμηλής Ισχύος Ετικετών Bluetooth με Δέκτες Πολλαπλών Κεραιών και Σύγκριση με την Τεχνολογία RFID
Phase-based Localization of Low Power Bluetooth Tags with Multi-antenna Receivers and Comparison with RFID Technology
Εξεταστική Επιτροπή
Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Άγγελος Μπλέτσας
Καθηγητής Αθανάσιος Λιάβας
Περίληψη
Οι τεχνολογίες εντοπισμού είναι απαραίτητες για εφαρμογές που κυμαίνονται από την παρακολούθηση περιουσιακών στοιχείων έως τα συστήματα πλοήγησης. Η παρούσα εργασία εξετάζει την ελαχιστοποίηση των δεκτών πολλαπλών κεραιών (εντοπιστές) Bluetooth Low Energy (BLE) για τη μείωση της κατανάλωσης ενέργειας, της χρήσης υλικού και του κόστους εγκατάστασης. Εισάγει μια τεχνική εντοπισμού με υπερβολές βασισμένη σε διαφορές φάσης, χρησιμοποιώντας γραμμικές προσεγγίσεις υπερβολών για τον υπολογισμό της τρισδιάστατης κατεύθυνσης άφιξης (DoA) και την εκτίμηση των θέσεων των ετικετών BLE. Με έναν μόνο εντοπιστή, η εκτίμηση DoA επιτυγχάνει μέσο απόλυτο σφάλμα (MAE) κάτω από 10° για το αζιμούθιο και κάτω από 7° για την ανύψωση. Ωστόσο, ένας μόνο εντοπιστής δεν μπορεί να προσδιορίσει τη θέση της ετικέτας λόγω περιορισμών του συστήματος. Ως εκ τούτου, η εργασία διερευνά τη χρήση πολλαπλών εντοπιστών. Με πολλαπλούς εντοπιστές, η προτεινόμενη μέθοδος εντοπισμού μπορεί να βελτιώσει την υπάρχουσα μέθοδο εντοπισμού, μειώνοντας το MAE του σφάλματος εντοπισμού κατά 10%. Η εργασία συγκρίνει επίσης την αναγνώριση μέσω ραδιοσυχνοτήτων (RFID) και το BLE για την ακρίβεια εντοπισμού ετικετών υπό στατικές συνθήκες. Ενώ η τεχνική εντοπισμού με υπερβολές είναι αποτελεσματική, είναι ευαίσθητη στο θόρυβο πολλαπλών διαδρομών. Η χωρική και συχνοτική διαφοροποίηση του BLE μετριάζει τα προβλήματα πολλαπλών διαδρομών, επιτυγχάνοντας ένα ΜΑΕ τρισδιάστατου εντοπισμού θέσης 30 cm για την τοπολογία με υψηλή κάλυψη και 80 cm για την τοπολογία με χαμηλή κάλυψη. Αντίθετα, το RFID, που στερείται τέτοιας διαφοροποίησης, οδηγεί σε τρισδιάστατο MAE εντοπισμού θέσης 1,2 m για τη δεύτερη τοπολογία. Αυτή η σύγκριση υποδεικνύει την ανάπτυξη νέων αλγορίθμων για συνεπή αποτελέσματα και στις δύο τεχνολογίες και τη δυνατότητα συγχώνευσης των BLE και RFID σε μία μόνο ετικέτα για την ελαχιστοποίηση της κατανάλωσης ενέργειας και την ενίσχυση της ακρίβειας εντοπισμού. Για την περαιτέρω ελαχιστοποίηση των εντοπιστών BLE χρησιμοποιήθηκαν νευρωνικά δίκτυα. Αναγνωρίζοντας τις μετρήσεις μεμονωμένης θέσης BLE ως διαδοχικά δεδομένα, χρησιμοποιήθηκαν επαναλαμβανόμενα νευρωνικά δίκτυα (RNN), επιτυγχάνοντας ένα δισδιάστατο MAE εντοπισμού θέσης 30 cm με έναν μόνο εντοπιστή, μια πρόκληση που δεν επιλύεται με ντετερμινιστικές μεθόδους.
Abstract
Localization technologies are essential for applications ranging from asset tracking to navigation systems. This study explores minimizing Bluetooth Low Energy (BLE) multi-antenna receivers (locators) to reduce energy consumption, hardware usage, and installation costs. It introduces a hyperbolic localization technique based on phase differences, using linear approximations of hyperbolas to calculate 3D direction of arrival (DoA) and estimate BLE tag positions. On a single locator, DoA estimation achieves a Mean Absolute Error (MAE) under 10° for azimuth and under 7° for elevation. However, a single locator cannot determine the tag's position due to system limitations. Therefore, the study explores using multiple locators. On multiple locators, the proposed localization method can enhance the prior art localization method, reducing the MAE of localization error by 10%.The work also compares Radio Frequency Identification (RFID) and BLE for tag localization accuracy under static conditions. While the hyperbolic localization technique is effective, it is sensitive to multipath noise. BLE's spatial and frequency diversity mitigate multipath issues, achieving a 3D localization MAE of 30 cm for the topology with high coverage and 80 cm for the topology with low coverage. In contrast, RFID, lacking such diversity, results in a 3D localization MAE of 1.2 m for the second topology. This comparison suggests developing new algorithms for consistent results across both technologies and the potential for merging BLE and RFID into a single tag to minimize energy consumption and enhance localization accuracy. To further minimize BLE locators, neural networks were employed. Recognizing BLE single position measurements as sequential data, Recurrent Neural Networks (RNNs) were utilized, achieving a 2D localization MAE of 30 cm with a single locator, a challenge unsolvable by deterministic methods.
