بهبود تعيين موقعيت درون ساختمان به روش WLAN با به‌كارگيري روش‌هاي يادگيري ماشين

An Improvement on WLAN-based Indoor Positioning using Machine Learning Methods

در عصر فناوري، توانايي جهت‌يابي افراد و دستگاه‌ها اهميت بسياري دارد، سيستم‌هاي تعيين موقعيت ماهواره‌اي عملكرد خوبي در تعيين موقعيت و جهت‌يابي در فضاهاي باز دارند، اما در فضاهاي داخلي، مانند داخل ساختمان‌ها، كارايي خود را از دست مي‌دهند و در بسياري از موارد قابليت موقعيت‌يابي به‌صورت دقيق را ندارند. سيستم تعيين موقعيت داخلي با استفاده از روش‌ها و فناوري‌هاي مختلف توانسته ضعف سيستم‌هاي تعيين موقعيت ماهواره‌اي را در محيط‌هاي داخلي جبران نمايد. در اين تحقيق براي پياده‌سازي سيستم تعيين موقعيت داخلي از فناوري WiFi استفاده مي‌شود و با توجه به فضاي داخلي موجود و امكانات در دسترس، روش اثرانگشت كه يكي از روش‌هاي رايج در موقعيت‌يابي داخلي است استفاده‌شده است. الگوريتم‌هاي مختلفي براي كشف الگو از پايگاه داده ايجادشده توسط روش اثرانگشت وجود دارد كه در اين تحقيق از الگوريتم‌هاي نزديك‌ترين همسايگي، شبكه عصبي پرسپترون چندلايه (ANN-MLP)، رگرسيون بردار پشتيبان (SVR) و K-نزديك‌ترين همسايگي(K-NN) استفاده‌شده است. سيستم تعيين موقعيت با استفاده از روش اثرانگشت و الگوريتم‌هاي اشاره‌شده در يك فضاي داخلي با دو رويكرد متفاوت در فاصله نقاط مرجع پياده‌سازي شد. فاصله نقاط در رويكرد اول و دوم به ترتيب 2 و 4 متر است. جهت ارزيابي، خطاي موقعيت‌يابي در هر الگوريتم با استفاده از پارامتر RMSE محاسبه‌شده است تا بتوان الگوريتم‌هاي اجراشده را با يكديگر مقايسه نمود.

The humans’ ability to navigate in technology era as well as the devices are observed very much. The satellite positioning systems own a satisfactory function to depict the position and navigation in the open areas, but they malfunction in the indoor spaces, such as in the buildings; moreover, they are not able to depict the position precisely most of the times. The indoor positioning system can retrieve the weakness of the satellite positioning systems in the indoor areas by various methods and technologies. In the current research, WiFi technology is utilized in order to implement the indoor positioning system; in addition, according to the available indoor space and the accessible facilities, the method of fingerprint as a common way to depict the indoor position is observed. There are various algorithms in order to discover the pattern from the data station by the method of fingerprint that in the mentioned research, the nearest neighboring algorithm, multi-layer perceptron (ANN-MLP), support vector regression (SVR) and the K-nearest neighboring (K-NN) are used to reach the target. By the usage of fingerprint method and the mentioned algorithms, the positioning system, according to the source locations distance was implemented by two different approaches. The distances of locations are 2 to 4 meters orderly based on the first and second approaches. In order to measure the error rate of positioning in each algorithm, the parameter of RMSE is observed to be able to compare the implemented algorithms.