Application of Kalman Filter for the improvement of location estimation using UWB Technology

Εφαρμογή Κalman Φιλτρου για την Βελτίωση υπολογισμού της θέσης χρησιμοποιώντας Τεχνολογία Ευρέως Φάσματος UWB (Αγγλική)

  1. MSc thesis
  2. Arvanitis, John
  3. Συστήματα Κινητού και Διάχυτου Υπολογισμού (ΣΔΥ)
  5. Αγγλικά
  6. 87
  7. Kitsos , Paris
  8. Kitsos, Paris | Sklavos , Nikolaos
  9. Indoor position estimation using UWB technology (RTLS), IEEE 802.15.4, DWM-1000, ESP-8266, Kalman filter, IoT, Wearable device, Pervasive computing , Ubiqutous computing, Time of flight (ToF), Two way ranging (SS_TWR, DS_TWR)
  10. 12
  11. tables, figures, diagrams, pictures, photographs
    • Είναι ευρέως γνωστό ότι η επίγνωση θέσης παίζει σπουδαίο ρόλο στον χώρο του διάχυτου υπολογισμού. Χρησιμοποιεί συσκευές που μπορούμε να ορίσουμε που βρίσκονται μεσα στον χώρο με τις οποίες οι IoT εφαρμογές παρέχουν την δυνατότητα σε υπηρεσίες να προσδιορίζουν την θέση να ορίζουν ειδοποίησεις όταν άλλες συσσκευές εισέρχονται ή εξερχονται σε μια συγκεκριμένη περιοχή και να προσαρμόσουν την διεπαφή στην παρούσα δραστηριότητα του χρήστη. Ο προσδιορισμός της θέσης είναι λυμένος τα τελευταία χρόνια με την χρήση του GPS. Η GPS παρέχει μια οικονομική και αποδεκτή λύση για χώρους στους οποίους παρέχεται οπτική επαφή (Line of Site). Σε αντίθεση ο προσδιορισμός θέσης εντός κτιρίων ή σε υπόγειους χώρους έχει μεν μια σειρά από αποδεκτές λύσεις αλλά παρέχεται μικρή ακρίβεια και στις περισσότερες περιπτώσεις το κόστος tων λύσεων αυτών είναι μεγάλο. Σε αυτή την εργασία θα προτείνουμε ένα πρωτότυπο χαμηλού κόστους βασισμένο στην τεχνολογία ευρεώς φάσματος UWB χρησιμοποιώντας τις μετρήσεις χρόνου πτήσης (TOF) και θα χρησιμοποιήσουμε το WiFi για να παρέχουμε την πληροφορία θέσης εντός κτιρίων αλλά που μπορεί να διακινηθεί μέσω δια-δικτύου. Επίσης θα υλοποιήσουμε ένα φιλτρο Kalman συνθέτοντας την πληροφορία θέσης με την μέτρηση της επιτάγχυνσης μεσω επιταγχυσιομέτρου τριών αξόνων , προσπαθώντας να βελτιώσουμε την ακρίβεια των μετρήσεων προσδιορισμού θέσης. Επίσης θα παράσχουμε έναν λεπτομερή οδηγό για να συνθέσουμε να διαμορφώσουμε και να εκτελέσουμε όλη την υποδομή του υλικου και του λογισμικού. Παρέχουμε τις μετρήσεις με την χρήση και μη χρήση του φίλτρου και αναλύουμε τις παρεχόμενες μετρήσεις. Στο τέλος προτείνουμε προτασεις για μελλοντική χρήση και βελτιστοποίηση.
    • It is well known that location awareness plays an important role on pervasive computing. It enables devices to establish their position so that IoT applications can provide users with location-specific services and information, set alerts when other devices enter or leave a determined region, and adapt the interface to the current user’s physical activity. The outdoor location estimation is solved the last years with GPS kind of devices. GPS has provide a cheap and affordable solution for places with line of satellites site. In contradiction the location estimation into buildings or underground places has also a number of valuable solutions but provides small accuracy and in most cases are expensive. In this document we will propose a cheap prototype for indoor position estimation based on UWB and ToF measurement using the existing WiFi protocol infrastructure. We will also implement a Kalman filter trying to improve the accuracy on position estimation based on 3-Axis accelerometer measurements. This paper will provide a detailed guide in order to build configure and run the hardware and software infrastructure. We will also describe all the algorithms used by this implementation and present the BOM and the schematics of the prototype. We produce measurements in order to analyze the accuracy of the proposed method. Finally we propose changes on the implementation and the algorithms with the purpose of further optimization.
  13. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.