Aufrufe
vor 3 Jahren

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

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

38 3.4 Entwicklung eines

38 3.4 Entwicklung eines Partikelfilters beim Resampling nicht garantiert werden kann, dass ein Raum die verlorenen Partikel wieder erhält, würden Räume mit mehr Hindernisflächen benachteiligt werden und die Forderung nach Stabilität der Wahrscheinlichkeitsverteilung über die Räume nicht erfüllt. In den Versuchen wurde nicht bestätigt, dass sich diese Heuristik nachteilig auf die Gesamtergebnisse auswirkt. 3.4.3 Sensormodell Ein Sensormodell ist die Grundlage für den Gewichtungsschritt eines Partikelfilters. Wie in Abschnitt 2.3.2 beschrieben, wird im Gewichtungsschritt jedem Partikel in Abhängigkeit von einer Sensormessung ein Gewicht zugewiesen. Eine rekursive Formeldarstellung des Gewichtungsschritts lautet wie folgt [24]: p(x | z 1:t ) = αp(z t | x)p(x | z 1:t−1 ) (3.3) mit x als dem gesuchten Ort und z 1:t−1 die Sensormessungen zu den Zeitpunkten 1, ..., t. Der Faktor α dient zur Normalisierung, so dass die Summe aller Wahrscheinlichkeiten wieder 1 ergibt. Aufgrund der vorausgesetzten Markov-Eigenschaft der Messungen ist der Term p(z t |x) entscheidend. Auf die Lokalisierungsproblematik bezogen wird mit dem Sensormodell in diesem Schritt die Frage für alle Partikel der Partikelmenge beantwortet: Wie wahrscheinlich ist es, dass ein bestimmtes Partikel den gesuchten Ort x repräsentiert, wenn eine Sensormessung z t eintrifft? Ein Sensormodell für RFID-Reader und Antennen, das diese Frage beantworten kann, läßt sich aus den technischen Spezifikationen konstruieren oder durch empirische Messungen erstellen. Dabei ist zu beachten, dass typischerweise eine hohe Anzahl von falsch-negativen Messungen auftritt, also ein RFID-Transponder nicht erfasst wird, obwohl er im spezifizierten Lesebereich der Antennen liegt. Ebenso gibt es falsch-positive Messungen: Es werden Transponder erfasst, die ausserhalb des spezifizierten Lesebereichs der Antennen liegen. Diese Abweichungen können mit der Funktionsweise von RFID-Transpondern und den allgemeinen Problemen der Funktechnologie mit Reflektionen begründet werden [24]. Empirische Messungen mit RFID-Readern haben in [24, 1] zu ähnlichen Modellen geführt: Kernstück dieser Modelle ist ein kegelförmiger Haupterfassungsbereich. Darauf basierend werden nun die für diese Arbeit verwendeten Sensormodelle vorgestellt: Sensormodell ” RFID“ Der Name RFID“ wurde gewählt, um sprachlich verdeutlichen, dass dieses Modell sich stark ” an der Funktionsweise von realen RFID-Systemen orientiert. Das Modell besteht aus drei Komponenten. Der kegelförmige Haupterfassungsbereich besitzt einen Öffnungswinkel von 45 Grad. In diesem Bereich beträgt die Erfassungswahrscheinlichkeit 0,9. Auf Grund der Existenz der falsch-negativen Messungen wird auch direkt vor der Antenne keine hundertprozentige Erfas-

3 Konzept für ein Indoor-Lokalisierungssystem 39 sungswahrscheinlichkeit garantiert. Der erweiterte Erfassungsbereich hat einen Öffnungswinkel von ebenfalls 45 Grad und reicht 1,5mal soweit wie der Haupterfassungsbereich und besitzt eine Erfassungswahrscheinlichkeit von 0,7. Ausserhalb dieser beiden Erfassungsbereiche gilt auf Grund der Möglichkeit von falsch-positiven Messungen eine Erfassungswahrscheinlichkeit von 0,0. Diese Wahrscheinlichkeiten entsprechen dem Term p(z t | x) der Formel 3.3. Bild 3.4: Darstellung des ” RFID“-Sensormodells. Der dunkelgraue Bereich entspricht p(z t | x) = 0, 9, der hellgraue Bereich p(z t | x) = 0, 7 und der Rest p(z t | x) = 0, 0. Diese Gewichtung geschieht nur, wenn eine RFID-Sensormessung an diesem Sensor auch eintritt. Wenn ein Partikel im Vorhersageschritt sich in den Lesebereich eines Sensors bewegt, dieser jedoch keine Erfassung eines Transponders meldet, wird in Richtung dieses Partikels um 180 Grad gedreht. Diese Heuristik wird genauso begründet wie die Heuristik für Partikel, die im Vorhersageschritt in ein Hindernis bewegt werden. Das Bewegungsmodell sorgt für eine Verbreitung der Partikel in einem logischen Bereich, der einen Aufenthaltsbereich darstellt, welcher durch Wände und inaktive RFID-Sensoren abgegrenzt wird. Partikel bleiben somit mit großer Wahrscheinlichkeit in diesem abgegrenzten Bereich. Dies kommt der Beobachtung nahe, dass Menschen überwiegend in Aufenthaltsräumen bleiben und ab und zu Durchgänge benutzen, um in einen anderen Bereich zu gelangen. Die Kernidee an diesem Modell ist folgende: Die Partikel, die sich im Moment der Sensorauslösung in das einen Durchgang abdeckende Sensorfeld bewegen, werden hochgewichtet. Diese Partikel haben mit großer Wahrscheinlichkeit eine Bewegungsrichtung, die durch das Feld führt und damit eine Bewegung repräsentiert, die eine Person vollzieht, wenn sie durch den Durchgang geht. In den ersten Versuchen hatte sich gezeigt, dass dieses Modell eine verhältnismäßig große Anzahl von Partikeln benötigt. Sensormodell ” Approximation“ Der Name des Modells ” Approximation“ deutet an, dass hier eine stärkere Abstraktion und Vereinfachung im Vergleich zum Modell ” RFID“ vorliegt. Beim Tracking von vielen Personen und Objekten spielt auch die benötigte Rechenzeit eine Rolle,

Audiobasierte Impulslokalisierung und -erkennung ... - Gernot A. Fink
Audiobasierte Impulslokalisierung und -erkennung ... - Gernot A. Fink
Faltungsnetzwerke zur Gesichtsdetektion unter ... - Gernot A. Fink
Mustererkennung - Prinzipien, Methoden ... - Gernot A. Fink
Secure Candle - Klassifikation akustischer ... - Gernot A. Fink
Rechnerarchitektur SS 2012 - Cluster - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Unüberwachtes Lernen von Handschriftstilen - Gernot A. Fink - TU ...
DETEKTION HANDSCHRIFTLICHER TEXTE IN ... - Gernot A. Fink
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Simultane Lokalisierung und Kartenerstellung eines ... - Gernot A. Fink
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