Aufrufe
vor 3 Jahren

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

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

42 3.5 Zusammenfassung

42 3.5 Zusammenfassung des Konzepts Ziel des Resamplingschritts ist es, hoffnungslos schlechte“ Partikel zu entfernen und bessere ” Partikel zu vermehren in der Hoffnung, dass daraus wieder gute“ Partikel entstehen [31]. ” Dazu wird ein aus der momentanen Repräsentation des Belief durch eine Partikelmenge S t zum Zeitpunkt t eine andere Repräsentation des Belief S t ′ gebildet. Ein Vergleich von verschiedenen Resampling-Methoden ergab keinen nennenswerten Vorteil der vorgeschlagenen Methoden gegenüber der einfachsten und bekanntesten Resampling-Methode, dem Select with Replacement [43]. Dabei wird jeder Partikel aus der alten Menge S t in die neue Menge S t ′ mit einer Wahrscheinlichkeit gleich dem Gewicht des Partikels übernommen. In der Praxis wird dazu über die Partikelmenge die Verteilungsfunktion berechnet und über eine Zufallszahl zwischen 0...1 das Partikel ausgewählt, dessen Intervall den Zufallswert umschliesst. Dieser Schritt wird n-mal wiederholt mit n gleich der Anzahl der Partikel in der Menge S t . 3.4.5 Gebäudemodell In dieser Arbeit wird aus Implementierungsgründen ein einfaches Modell angenommen. Die Räume sind stets rechteckig, die Wände laufen parallel zu dem Koordinatensystem dieses Modells. Die Hauptaufgabe des Gebäudemodells ist die Überprüfung von Koordinaten bezüglich ihrer Lage in den Räumen, insbesondere die Überprüfung, ob sich Koordinaten in einem Raum befinden und falls ja, in welchem Raum. Es ist möglich, das Gebäudemodell so zu erweitern, dass auch komplexere Strukturen unterstützt werden. 3.5 Zusammenfassung des Konzepts Das hier in diesem Kapitel konzipierte Indoor-Lokalisierungssystem soll sich insbesondere im Krankenhausbereich zum Tracken von Personal und von Personen bewegten Objekten eignen. Es soll eine möglichst raumgenaue Lokalisierung erlauben und eine Robustheit gegenüber Sensorungenauigkeiten und -störungen besitzen. Dazu wird als Signaltechnologie die RFID-Technologie ausgewählt und ein erweitertes Nachbarschaftserkennungsverfahren verwendet, welches vorsieht, die RFID-Sensoren in Durchgänge wie Türen anzubringen. Dabei wird angenommen, dass Personen und Objekte sich nicht in Durchgängen dauerhaft aufhalten, sondern in Räumen, die durch die Durchgänge logisch separiert werden. Damit lässt sich eine Lokalisierungsaussage über die Räume machen. Um den existierenden Ungenauigkeiten von Sensoren Rechnung zu tragen, wird ein probabilistischer Ansatz verfolgt, in dem nicht auf eine absolute Aussage bezüglich der Lokalisierung bestanden wird. Stattdessen liefert dieser Ansatz Wahrscheinlichkeiten auf Raumebene, die dann anschließend entsprechend interpretiert werden können. Dieser probabilistische Ansatz macht eine Implementierung eines Partikelfilters plausibel, in dem

3 Konzept für ein Indoor-Lokalisierungssystem 43 Partikel gewichtet jeweils einen Standort repräsentieren. Es wird ein Bewegungsmodell für die Partikel entwickelt, das ohne Kenntnis von Bewegungsprofilen und Routen funktioniert. Weiterhin werden zwei Sensormodelle vorgestellt: das Modell RFID“, welches die Funktionsweise vonRFID-Antennen weitestgehend exakt nachbildet, und das heuristische Modell Approximation“, ” das mittels Punktspiegelung die Bewegung von Partikeln durch einen Durchgang simuliert.

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
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