Aufrufe
vor 3 Jahren

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

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

58 5.1 Testmethodik

58 5.1 Testmethodik negativen Messung wird die Trajektorie u 1 angenommen, mit dem Unterschied, dass die erste Sensorauslösung nicht erfolgt (s. Tabelle 5.4). Damit wird eine falsch-negative Messung zum Zeitpunkt t = 5 simuliert. Für die Untersuchung des Verhaltens auf eine falsch-positiven Messung wird ebenfalls die Trajektorie u 1 angenommen, zur der zum Zeitpunkt t = 2 eine Auslösung von Sensor 1 stattfindet, die laut Ground Truth der Trajektorie nicht existiert. Zeitpunkt (s) Sensor-Nr. 12 2 15 1 45 1 48 2 60 3 70 3 74 4 Tabelle 5.4: Darstellung der Trajektorie u 1 als Liste von Sensorauslösungen über die Zeit für den Falsch-Negativ-Test. Im Vergleich zur Tabelle 5.2 wurde die erste Sensorauslösung entfernt, um eine falsch-negative Messung zu simulieren Zeitpunkt (s) Sensor-Nr. 2 1 5 4 12 2 15 1 45 1 48 2 60 3 70 3 74 4 Tabelle 5.5: Darstellung der Trajektorie u 1 als Liste von Sensorauslösungen über die Zeit für den Falsch-Positiv-Test. Im Vergleich zur Tabelle 5.2 löst Sensor 1 bei t = 2 aus, um eine falsch-positive Messung zu simulieren Es werden auf Basis der Ergebnisse der synthetischen Testserie vorab festgelegte Parameter verwendet. Die Parameter Partikelzahl und Noise Particles (nur für Sensormodell Approximation) werden variiert. Die Liste der Versuchsreihen für diese Testserie ist in Tabelle 5.6 dargestellt. Diese Versuchsreihen werden für beide Fehlerarten durchführt. Der Parameter Noise Particles steuert die Anzahl der Partikel, die bei jedem Resamplingschritt zufällig in dem Suchraum verteilt werden (s. Abschnitt 4.3.1). Noise Particles werden eingesetzt, um bei unwahrscheinlichen Ereignissen zu starkes Impoverishment der Zustandsschätzung zu verhindern (s. Abschnitt 3.4.4). Im Fall der falsch-negativen Messung besteht das unwahrschein-

5 Evaluierung 59 Versuchsreihe Sensormodell Partikelzahl Noise Particles 1 Approximation 250 0 2 Approximation 250 50 3 Approximation 250 100 4 Approximation 500 0 5 Approximation 500 50 6 Approximation 500 100 7 Approximation 1000 0 8 Approximation 1000 50 9 Approximation 1000 100 10 RFID 1000 0 11 RFID 1000 50 12 RFID 1000 100 Tabelle 5.6: Die Versuchsreihen für die Fehlertolerenz-Testserie. Die festen Parameter sind Q(err): 5, Motion Error: 0,5 liche Ereignis darin, dass ein RFID-Sensor einen Transponder, der sich durch das Sensorfeld bewegt, nicht erfasst und im Fall der falsch-positiven Messung, dass ein Transponder an einem nicht erwarteten Ort erfasst wird. Es wird untersucht, ob der Einsatz von Noise Particles Einfluss auf das Verhalten des Partikelfilters nach derartigen Störungen hat. 5.1.4 Praktische Testserie In der praktischen Testserie wird die Praxistauglichkeit des Partikelfilters in Verbindung mit einem RFID-System unter Realbedingungen getestet. Hier soll sich zeigen, inwieweit sich das Konzept tatsächlich zum Tracking von Personen eignet. Zusätzlich soll untersucht werden, wie stark bestimmte Randbedingungen eines RFID-Systems die Leistung des Partikelfilters beeinflussen. In dieser Testserie läuft eine Testperson die bekannte Trajektorie u 1 ab (s. Abbildung 5.2). Um die Bewertung des praktischen Tests besser zu validieren, wird zusätzlich eine zweite Trajektorie u 2 (s. Abbildung 5.3) verwendet. Die Trajektorien werden von einer Testperson zehnmal in möglichst gleichbleibender Weise in Schrittgeschwindigkeit abgelaufen. Aus Zeitgründen wurden andere Geschwindigkeiten nicht untersucht, jedoch könnte bei hohen Geschwindigkeiten durch die kürzere Verweildauer des Transponders im elektromagnetischen Feld die Leserate sinken. Das hat möglicherweise Auswirkungen auf die Erkennungsrate. Vorstellung des praktischen Versuchsaufbaus Der schematische Aufbau der Versuchsanlage ist in Abbildung 5.4 dargestellt.

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 - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Cluster - 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