Improvement of RSS-based indoor positioning systems by enhancing location sensing algorithms

Abstract

Mobil teknolojilerdeki gelişim, kullanıcıların aletlerle ve diğer kullanılarla olan etkileşimidi değiştirdi. Bu yeni etkileşim yöntemleri, akıllı algılama yetenekleri, içerik, yer ve hareket sensör kullanımları ile sunulmaktadır. Bu doğrultuda, bina içi yer tespiti radyo (Wi-Fi, Bluetooth, GSM vs.) sinyal güçleri ölçülüp, yakın komşular belirlenerek gerçekleştirilmektedir. Alınan sinyal gücüne (ASG) bağlı K Yakın Komşu (KYK) algoritması bu amaçla en sık kullanılan yöntemdir. Bununla beraber, radyo sinyallarındaki dalgalanmalar ASG tabanlı KYK algoritmasındaki en önemli sorunlardan biridir. Dalgalı sinyal güçlerini yer belirme işleminde kullanmak ise hatalı sonuçlara sebebiyet vermektedir. Bu çalışmada, ASG tabanlı KYK algoritmasının yer belirleme netliği, sinyal dalgalanmalarının etkileri elemine edilerek iyileştirilmesi hedeflenmiştir. Bu amaç doğrultusunda üç ayrı iyileştirme yöntemi, var olan sisteme uygulanmıştır. Birinci sistemde, KNN algoritmasının netliği kablosuz örgü ağlar kullanılarak arttırılmaya çalışıldı. Bu yaklaşımda, mobil aletler yer bilgilerini ve toplanan sinyal güçlerini kendi aralarında paylaşarak yer belirlenmesine bulunur. Fakat bu sistemle hedeflenen performansı kazancına elde edilemedi. İkinci sistem, k-means kümeleme yöntemini uygulayarak KYK algoritmasındaki komşu seçim sürecini iyileştirmeyi hedefler. Değerlendirmeler, kümelenmiş KYK algoritması performansının, küme sayısı, kümelenecek komşu sayısı ve küme merkezlerinin başlangıç değerleri ile sıkıca bağlı olduğunu gösterdi. Üçüncü sistem ise, geçmiş sinyal gücü okumalarının tutulduğu kısa dönemlik hafızanın KYK algoritmasına eklenerek performans arttırımını sağlamak amaçlanmıştır. Bu sistemde, sinyal güçleri ortamdaki sinyal haritası ile karşılaştırılma yapılmadan önce, geçmiş sinyal güçleri ile zenginleştirilir. Analizler, geliştirilen bu yeni KYK algoritmasının, normal KYK algoritmasından daha iyi sonuçlar verdiğini gösterdi. Bunlara ek olarak, önerilen iç ortamlarda yer berlirleme tekniği, Hasta Bilgilerine Konum Bilgisi ile Erişme sistemi içerisinde konum belirleme methodu olarak kullanılmıştır.

Advances in mobile technologies have changed the way users interact with devices and other users. These new interaction methods and services are offered by the help of intelligent sensing capabilities, utilizing context, location and motion sensors. However, indoor location sensing is mostly achieved by measuring radio signal (WiFi, Bluetooth, GSM etc.) strength and nearest neighbor identification. The most common algorithm adopted for Received Signal Strength (RSS)-based location sensing is K Nearest Neighbor (KNN), which calculates K nearest neighboring points to estimate location. Nevertheless, fluctuation on the received signal strength is one of the crucial problems in the RSS-based KNN algorithm. Adopting the fluctuated signals for positioning may lead to inaccurate results. In this study, the accuracy of the RSS-based KNN algorithm is targeted to be enhanced by eliminating the effects of fluctuated signals. For this purpose three separate enhancements are applied to the KNN algorithm. In the first proposed system, the accuracy of the KNN algorithm is attempted to be incremented by exploiting wireless mesh network capabilities. This approach is to share the location data among devices and utilize them into the location estimation. However, the results showed that the proposed systems could not provide the intended accuracy improvement. The second proposed system aims to apply k-means clustering to improve the KNN algorithm by enhancing the neighboring point selection. In the proposed method, k-means clustering algorithm groups nearest neighbors according to their distance to mobile user. The evaluation results indicate that the performance of clustered KNN is closely tied to the number of clusters, number of neighbors to be clustered and the initiation of the center points in k-mean algorithm. The third system aims to improve the KNN algorithm by integrating a short term memory (STM) where past signal strength readings are stored. In this proposed approach, the signal strength readings are refined with the historical data prior to comparison with the environment's radio map. The results indicate that the performance of enhanced KNN-STM outperforms the KNN algorithm. Moreover, as an application, the proposed location sensing system is utilized in a location-aware system that accesses patient records.