Aufrufe
vor 3 Jahren

Approximative Indoor-Lokalisierung von RFID ... - Gernot A. Fink

Approximative Indoor-Lokalisierung von RFID ... - Gernot A. Fink

12 2.2 Methoden zur

12 2.2 Methoden zur Lokalisierung Nachteile sind die relativ geringe Reichweite und die hohen Anschaffungskosten der Lesegeräte. Aktive RFID-Transponder haben eine größere Reichweite als die passiven. Dem stehen höhere Kosten, größere Abmessungen und eine begrenzte Lebensdauer durch die Nutzung einer Batterie gegenüber. Ultra-Breitband Als Ultra-Breitband-Technologie (auch Ultra Wide Band oder kurz UWB genannt) wird jede Funktechnik bezeichnet, die eine Bandbreite von mehr als einem Viertel ihrer mittleren Frequenz oder mehr als 500 MHz abdeckt [54]. Wie der Name andeutet, wird eine große Bandbreite benutzt (im Gegensatz zu schmalbandigen Funktechnologien wie WLAN), um Informationen zu transportieren. Zusammen mit den kurzen Impulszeiten wird eine hohe Datenübertragungsrate ermöglicht, allerdings nur auf kurzen Entfernungen. Aus der Befürchtung, die Breitbandsignale könnten die vorhandenen Schmalbandfrequenzen stören, wurden strenge Richtlinien von der FCC (Federal Communications Commission) zur Sendeleistung erlassen [53], was die Reichweite von UWB-Sendern einschränkt. Dies hat aber auch den Vorteil, dass der Energieverbrauch von UWB-Geräten niedrig ist [54]. Für die Lokalisierung eignet sich die UWB-Technologie insofern, dass sie recht robust gegenüber Störungen ist. Das Multipath-Problem ist aufgrund der kurzen Impulse, die für die UWB-Technologie typisch sind, nicht so relevant wie bei anderen Funk-Technologien. Durch die kurzen Impulse überlappen sich das eigentliche Signal und die Reflektionen nicht mehr beim Empfänger. Somit sind sehr exakte Messungen möglich, was sich in der Genauigkeit von UWB-Lokalisierungssystemen wiederspiegelt. Ubisense gibt eine Genauigkeit von 15 cm für ihr 3D-UWB-Lokalisierungssystem an [48]. 2.2 Methoden zur Lokalisierung 2.2.1 Nachbarschaftserkennung Bei der Nachbarschaftserkennung (auch Proximity oder Cell-of-Origin-Verfahren genannt) wird die Position eines Objekts über die Nähe des Objekts zu einem Referenzpunkt, Sensor oder anderem Objekt definiert, dessen Position bereits bekannt ist. Beispielsweise können Lichtschranken, Drucksensoren oder Infrarotdetektoren einen Kontakt registrieren. Dadurch, dass diese Sensoren einen räumlich eingeschränkten Wahrnehmungsbereich haben, lässt sich der Ort des Kontakts auf diesen Bereich eingrenzen. Dieses Verfahren lässt sich auch in Funknetzwerken wie Wireless LAN (WLAN) ohne zusätzliche Software nutzen, weil ein Access Point in der Regel eine Liste aller WLAN-Endgeräte in seiner Reichweite besitzt. Wenn man die Position des Access Point kennt, lässt sich daraus auch die Po-

2 Grundlagen der Lokalisierung 13 sition der Endgeräte grob bestimmen. Für dieses Verfahren ist als mittlerer Positionierungsfehler die halbe Kommunikationsreichweite zu erwarten [32]. A Bild 2.1: Darstellung der Nachbarschaftserkennung. Objekt X befindet sich in Sensorreichweite r A von Sensor A. Somit ist Objekt X maximal r A vom Ort des Sensors A entfernt. Oft wird ein Netzwerk von Sensoren ausgelegt, um die räumliche Auflösung der Ortung zu verbessern. Wenn mehrere Sensoren das Objekt wahrnehmen, wird in der Regel das Objekt dem Sensor zugerechnet, der das stärkste Signal des Objekts erhält [52]. Der Vorteil dieses Verfahrens liegt in seiner Einfachheit, da keine folgenden Nachberechnungen notwendig sind. Die räumliche Auflösung ist abhängig von der Anzahl und der Reichweite der Sensoren. 2.2.2 Tabellenverfahren Das Tabellenverfahren (auch Finger Printing oder Radio Map-Verfahren genannt) verläuft zweistufig [32]. In der ersten Phase, der Trainingsphase (auch Kalibrierungs- oder Offline-Phase genannt), werden an zuvor definierten Plätzen beispielsweise Signalstärke oder Signal-to-Noise- Ratio-Werte von WLAN Access Points gemessen und zusammen mit dem Messstandort in einer Tabelle gespeichert. So entsteht eine Karte von dem später relevanten Gebiet mit Messpunkten und den entsprechenden Messwerten, die man auch Signalprofile nennen kann. In der zweiten Phase, der Positionierungsphase (auch Real-Time-Phase genannt), misst das zu lokalisierende Endgerät das Signalprofil und vergleicht es mit den Profilen in der Tabelle. Falls keine direkte Übereinstimmung gefunden wird, kann ein Näherungsalgorithmus benutzt werden. In der Praxis wird häufig der k-nearest Neighbours-Algorithmus verwendet. Dabei werden die Messwerte der n Referenzpunkte von einem Standort als Koordinatentupel eines n-dimensionalen Raums angesehen, und man sucht den Standort in der Tabelle mit der kürzesten euklidischen Distanz und nimmt diesen als gesuchten Standort.

Audiobasierte Impulslokalisierung und -erkennung ... - Gernot A. Fink
Audiobasierte Impulslokalisierung und -erkennung ... - Gernot A. Fink
Faltungsnetzwerke zur Gesichtsdetektion unter ... - Gernot A. Fink
Secure Candle - Klassifikation akustischer ... - Gernot A. Fink
Mustererkennung - Prinzipien, Methoden ... - Gernot A. Fink
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Unüberwachtes Lernen von Handschriftstilen - Gernot A. Fink - TU ...
Rechnerarchitektur SS 2012 - Cluster - Gernot A. Fink - TU Dortmund
DETEKTION HANDSCHRIFTLICHER TEXTE IN ... - Gernot A. Fink
Simultane Lokalisierung und Kartenerstellung eines ... - Gernot A. Fink
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Skriptum zur Vorlesung “Mustererkennung” - Gernot A. Fink
Mensch und Maschine verbinden - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Automatische Kalibrierung verteilter Mikrophonfelder - Gernot A. Fink