REPOZITORIJ > REZULTATI

Povzetek

Lokalizacija v notranjih okoljih postaja v sodobnem svetu vse bolj aktualna storitev, bodisi
samostojna bodisi podporna drugim aplikacijam. Globalni navigacijski satelitski sistemi
zagotavljajo storitev lokalizacije na prostem v pogojih neposredne vidljivosti med sprejemnikom
in minimalnim zahtevanim številom navigacijskih satelitov. V notranjih okoljih
so v večini primerov signali iz navigacijskih satelitov preveč oslabljeni, da bi lahko služili
potrebam navigacije. Za lokalizacijo ljudi in stvari v notranjih okoljih zato potrebujemo
namensko opremo, ki je del obstoječe infrastrukture ali pa je potrebna namestitev dopolnilnega
sistema, ki zagotavlja referenčne lokalizacijske točke.
V doktorski disertaciji smo se posvetili zbiranju reprezentativnih meritev pogojev razširjanja
ultra-širokopasovnih radijskih signalov v štirih značilnih notranjih okoljih. Pri tem
smo uporabili cenovno dostopne ultra-širokopasovne radijske module, ki so omogočili obširne
meritve za potrebe lokalizacije in analizo pogojev razširjanja. Analizirali smo vpliv
pogojev razširjanja radijskih signalov brez neposredne vidljivosti na napako izmerjene razdalje
na podlagi časa razširjanja signala, ki neposredno vpliva na točnost lokalizacijskih
algoritmov.
Osrednji del disertacije predstavljajo analiza postopkov za detekcijo pogojev razširjanja
radijskih signalov brez neposredne vidljivosti in postopki za oceno napake izmerjene razdalje
na podlagi analize impulznih odzivov kanala. Predlagali smo nov pristop z uporabo
konvolucijskih nevronskih mrež. Te za razliko od standardnih metod strojnega učenja za
svoje delovanje ne zahtevajo predhodne kompleksne obdelave impulznih odzivov kanala in
luščenja značilk. S pomočjo konvolucijskih nevronskih mrež smo zgradili modele za razpoznavanje
pogojev razširjanja signala brez neposredne vidljivosti in oceno napake izmerjene
razdalje za štiri značilna notranja okolja. Posamezne modele smo ovrednotili z analizo
uspešnosti na različnih naborih meritev, ki so bili narejeni v drugih prostorih, kot pa so
bili narejeni nabori meritev za učenje modelov.
V doktorski disertaciji smo ovrednotili tudi računsko zahtevnost predlaganih algoritmov
za detekcijo pogojev razširjanja brez neposredne vidljivosti na različno zmogljivih
računskih platformah. Zaradi zelo učinkovite implementacije globokih nevronskih mrež
so predlagani algoritmi ustrezni za uporabo tako na majhnih vgradnih računalnikih na
senzorskih vozliščih kot tudi v najzmogljivejših računskih centrih.
Analizirali smo uspešnost različnih lokalizacijskih algoritmov, ki temeljijo na metodi
najmanjših kvadratov, in predlagali algoritem za sledenje, ki temelji na razširjenem Kalmanovem
filtru. Algoritem uporablja informacijo o ocenjeni napaki izmerjene razdalje za
uteževanje posameznih merilnih prispevkov in s tem močno izboljša zanesljivost in točnost
sledenja položaju v izbranem notranjem okolju.