RF based indoor positioning system

Abstract

Küresel Konumlama Sistemi, dış ortamlarda konumlandırma için herkes tarafından kabul gören bir teknoloji olmasına karşın iç ortamlarda etkisiz kalmaktadır. Bu nedenle, araştırmacıların iç ortamlarda konum belirlemek için etkili çözüm arayışları devam etmektedir. Bu tez çalışması kapsamında, parmak izi yöntemini temel alan radyo frekansı (RF) tabanlı, yüksek doğruluğa sahip ve düşük maliyetli iç ortam konumlandırma yaklaşımları geliştirilmesi hedeflenmiştir. Bu doğrultuda, literatürde var olan iç ortam konumlandırma veri kümelerine ilave olarak yeni bir veri kümesi oluşturulmuş ve araştırmacıların kullanımına sunulmuştur. Seçilen performans kriterleri açısından üç farklı iç ortam için en uygun algoritma, çok-kriterli optimizasyon tekniği ile belirlenmiştir. WiFi alınan sinyal gücü ve manyetik alan ölçümleri bir arada kullanılarak hibrid parmak izleri tanımlanmıştır. Önerilen hibrid parmakizi veri kümesi, farklı sınıflandırma algoritmalarıyla birlikte kullanıldığında konumlandırma doğruluğunun iyileştiği görülmüştür. WiFi alınan sinyal gücü ve manyetik alan ölçümlerini bir araya getiren F-skor ağırlıklı iç ortam konumlandırma algoritması önerilmiştir. Önerilen algoritmanın sağladığı doğruluğun geleneksel algoritmalardan daha yüksek olduğu gözlenmiştir. Ayrıca, daha hassas konum belirleme amacıyla, WiFi alınan sinyal gücü ve manyetik alan parmak izlerini kullanan, geliştirilmiş bir iç ortam konumlandırma yaklaşımı önerilmiştir. Bu yaklaşım ile yüksek hassasiyette konum tahmini yapılabilmiştir.

Although the Global Positioning System is a publicly recognized technology for positioning in the outdoor environment, it is ineffective in the indoor environment. For this reason, the search for effective solutions to indoor positioning still continues. Within the scope of this dissertation, it is aimed to develop radio frequency (RF) based, high-accuracy and low-cost indoor positioning approaches based on the fingerprint method. For this purpose, in addition to the existing indoor positioning datasets in the literature, a new dataset has been constituted and made available to researchers. In terms of selected performance criteria, the most suitable algorithm for three different indoor environments is determined by multi-criteria optimization technique. Hybrid fingerprints are defined using a combination of WiFi received signal strength and magnetic field measurements. It has been observed that the positioning accuracy is improved when the proposed hybrid fingerprint dataset is used with different classification algorithms. F-score weighted indoor positioning algorithm combining WiFi received signal strength and magnetic field measurements is proposed. It has been observed that the accuracy of the proposed algorithm is higher than that of the conventional algorithms. In addition, an improved indoor positioning approach has been proposed that uses WiFi signal strength and magnetic field fingerprints for more precise locating. With this approach, high accuracy position estimation can be done.