Matematikai alapú lokalizációs keretrendszer
Szakács Tamás
<>
Eszterházy Károly Főiskola
Ruzsa Zoltán
<>
Bay Zoltán Alkalmazott Kutatási Közhasznú Nonprofi
Király Roland
<>
Eszterházy Károly Főiskola
Parisek Zsolt
<>
Bay Zoltán Alkalmazott Kutatási Közhasznú Nonprofi
Sokak által kutatott probléma (lásd [1–4]), hogy több jelenlétszenzor által
szolgáltatott információból hogyan lehet az észlelt tárgy helyzetére, mozgásá-
ra vonatkozó információt előállítani. Jelenlétszenzor alatt egy olyan szenzort
értünk, amely egy bizonyos tárgy jelenlétét érzékeli, és ezt a jelenlétet biná-
risan (jelen van, illetve nincs jelen) adja tovább.
Ismertnek tekintjük a szenzorok elhelyezkedését, az észlelés és a nem
észlelés likelihood-függvényét (azaz, hogy a keresett tárgy egy feltételezett
helyzete esetén mekkora valószínűséggel jelez pozitívan, illetve negatívan a
szenzor), és ezekből próbálunk lokalizálni.
Két megközelítést vizsgálunk, a tárgy helyzetére vonatkozó maximum-
likelihood becslést (pl. [1, 2]), illetve meghatározzuk a tárgy egy halmazba
esésének valószínűségét a Bayesi megközelítéssel (pl. [5]).
Alapesetben egyetlen szenzor által végzett egyetlen észlelés likelihood-
függvényével mutatjuk be a két módszer használatát. Aztán meghatározzuk
több, azonos időben végzett független észlelések, továbbá több szenzor
különböző időpontokban végzett észleléseinek az időváltozótól is függő
likelihood-függvényét, amellyel mozgó tárgyakat lokalizálhatunk. Végül
megvizsgáljuk, hogy egy szenzor által, kis időbeli eltéréssel végzett sorozatos
észleléseket hogyan tudjuk felhasználni.
A matematikai probléma ismertetése mellett bemutatjuk a lehetséges
alkalmazásai területét a téziseknek. Felvázoljuk azt a matematikai alapokon
nyugvó frameworköt, amellyel valós eszközök segítségével (RFID-antenna és
RFID-tag) kívánjuk a későbbiekben bizonyítani a problémára adott megoldás
helyességét.
Hivatkozások
[1] Qiang Le and Lance M Kaplan. Design of operation parameters to resolve
two targets using proximity sensors. In Information Fusion (FUSION),
2010 13th Conference on, pages 1–8. IEEE, 2010.
[2] Qiang Le and Lance M Kaplan. Target localization using proximity binary
sensors. In Aerospace Conference, 2010 IEEE, pages 1–8. IEEE, 2010.
[3] J Miguez and A Artes-Rodriguez. Monte carlo algorithms for tracking a
maneuvering target using a network of mobile sensors. In Computational
Advances in Multi-Sensor Adaptive Processing, 2005 1st IEEE Internati-
onal Workshop on, pages 89–92. IEEE, 2005.
[4] Ruixin Niu and P Varshney. Target location estimation in wireless sensor
networks using binary data. In Proceedings of the 38th Annual Conference
on Information Sciences and Systems, Princeton, NJ, 2004.
[5] Ruşen Öktem and Elif Aydin. An rfid based indoor tracking method for
navigating visually impaired people. Turk J Elec Eng & Comp Sci, 18(2),
2010.
TÁMOP-4.2.2.C-11/1/KONV-2012-0014- FutureRFID - Az RFID/NFC technológia továbbfejlesztési lehetőségei az Internet of Things koncepció mentén