Trilateración y filtrado de señales RSSI Wi-Fi como sensores para un sistema de posicionamiento en interiores.
Contenido principal del artículo
Resumen
Este trabajo investiga la factibilidad del uso de la señal RSSI emitida por dispositivos Wi-Fi (Beacons), como sensores para la localización de elementos en interiores. Aunque existen en la literatura trabajos reportados que emplean señales RSSI, éstos son complejos y costosos debido a la alta interferencia que presentan este tipo de señales y la necesidad de combinar diferentes técnicas para minimizar las interferencias. La técnica propuesta en este trabajo presenta la aplicación de un método de filtrado de señales, filtro de Kalman, el cual permite mejorar las lecturas de las señales RSSI de los dispositivos utilizados en las pruebas. Para reducir la complejidad del sistema se emplea el método de localización por trilateración, la cual utiliza la estimación de las distancias entre tres dispositivos fijos, llamados nodos de referencia, hasta un dispositivo de escaneo, llamado nodo objetivo el cual es el elemento a localizar; utilizando para ello la relación entre distancia y la señal RSSI emitida por los dispositivos Wi-Fi. Finalmente se presenta un muestreo de las pruebas realizadas y se observa la efectividad de la determinación de la ubicación de un objeto en interiores a través del uso del sistema propuesto, teniendo como conclusión principal de este trabajo, el que el sistema propuesto con hardware económico permite realizar estimaciones prácticas aproximadas sobre en cual sección o habitación se encuentra el elemento.
Detalles del artículo
Citas
Bulten, W., Rossum, A. C. V. and Haselager, W. F. G. (2016). Human SLAM, Indoor Localisation of Devices and Users. IEEE First International Conference on Internet-of-Things Design and Implementation (IoTDI), 211-222. https://doi.org/10.1109/IoTDI.2015.19
Bulten, W. (2015). Kalman filters explained: Removing noise from RSSI signals. Available at: www.wouterbulten.nl/blog/tech/kalman-filters-explained-removing-noise-from-rssi-signals. Accessed: September 24, 2021.
Clar, M., Ramos, R. and Suriñach, J. (1998). Latent Variable Model to Measure Regional Manufacturing Production in Spain. Workshop on Regional Economic Indicators. Braga, Portugal: University of Minho, Workshop on Regional Economic Indicators.
Dahlgren, E. y Mahmood, H. (2014). Evaluation of Indoor Positioning Based on Bluetooth Smart Technology. Master Thesis, Chalmers University of Technology, Goteborg, Sweden.
Fard, H. K., Chen, Y. and Son, K. K. (2015). Indoor positioning of mobile devices with agile iBeacon deployment. IEEE 28th Canadian Conference on Electrical and Computer Engineering (CCECE '15), 275-279. https://doi.org/10.1109/CCECE.2015.7129199
Nicholas, G., & Shapiro, A. (2021). Failed hybrids: The death and life of Bluetooth proximity marketing. Mobile Media & Communication, 9(3), 465–487. https://doi.org/10.1177/2050157920975836
Windarni, V. A., Sediyono, E. and Setiawan, A. (2016). Using GPS and Google maps for mapping digital land certificates. International Conference on Informatics and Computing (ICIC), 422-426. https://doi.org/10.1109/IAC.2016.7905756
Yassin, A., Nasser, Y., Awad, M., Al-Dubai, A., Liu, R., Yuen, C., Raulefs, R. and Aboutanios, E. (2017). Recent Advances in Indoor Localization: A Survey on Theoretical Approaches and Applications. IEEE Commun. Surv. Tutor. 19, 1327–1346. https://doi.org/10.1109/COMST.2016.263242