Bibliographic Metadata

Title
Indoor Positionierung mit differenziellem WLAN / durch Thomas Tatschl
Additional Titles
Indoor positioning using differential WLAN (Wi-Fi)
AuthorTatschl, Thomas
CensorRetscher, Günther
PublishedWien, 2015
Description98 Seiten, 12 ungezählte Blätter : Diagramme
Institutional NoteTechnische Universität Wien, Diplomarbeit, 2015
Annotation
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
Zusammenfassung in englischer Sprache
LanguageGerman
Document typeThesis (Diplom)
Keywords (DE)GNSS / Multisensorsysteme
Keywords (EN)GNSS / Multi-sensor systems
URNurn:nbn:at:at-ubtuw:1-78839 Persistent Identifier (URN)
Restriction-Information
 The work is publicly available
Files
Indoor Positionierung mit differenziellem WLAN [20.42 mb]
Links
Reference
Classification
Abstract (German)

Der momentane Ort des Smartphone-Users ist für zahlreiche Anwendungen essenziell. In der Indoor-Positionierung ist sehr viel Forschungspotential vorhanden, da Global Navigation Satellite Systems (GNSS) eine unzureichende Verfügbarkeit bieten. Im Rahmen dieser Arbeit wird, unter Verwendung von Wireless Local Area Network (WLAN), die Position des Users auf Basis der Trilateration bestimmt. Dazu werden vier Methoden zur Konvertierung der gescannten Signalstärken vorgestellt, um einen Längenzusammenhang herzustellen. In der ersten Variante, dem One-Slope-Modell, wird mit einer logarithmischen Funktion dieser Zusammenhang geschaffen, zusätzlich werden im Multi-Wall-Modell Dämpfungseffekte der Wände berücksichtigt. In den beiden differenziellen Methoden wird versucht, durch die Verwendung von Referenzstationen, die zeitliche Variation und diverse Ausbreitungseffekte der WLAN-Signale zu minimieren. In der 1. Methode des differenziellen Ansatzes werden Korrekturen von den Referenzstationsdaten abgeleitet und am User angebracht. Im Gegensatz dazu wird in der 2. Methode eine Differenzenbildung der empfangenen Signalstärken durchgeführt und in Distanzdifferenzen umgewandelt. In den praktischen Anwendungen wurden, mit drei unterschiedlichen Smartphones, kinematische und statische Scans im Foyer und Hörsaal VII des Elektrotechnischen Institutsgebäude der TU Wien durchgeführt. Als Referenzstationen wurden drei Raspberry Pi's eingesetzt, welche das WLAN-Signal permanent scannen. In der statischen Positionierung zeigte sich in der 1. Methode des differenziellen Ansatzes, bei guten räumlichen Bedingungen, eine Reduktion der mittleren Positionsabweichung von 9 m auf 5 m. In der kinematischen Anwendung zeigten sich bereits ohne Referenzstationsdaten gute Ergebnisse und die mittleren Positionsabweichungen liegen bei 7 m. In der kinematischen, wie auch in der statischen Positionierung, konnten große räumliche Unterschiede festgestellt werden, wobei die Dämpfung der WLAN-Signale durch physikalische Objekte einen signifikanten Einfluss auf die Positionierung ausüben. Die Analysen ergaben in der 1. Methode des differenziellen Ansatzes einen deutlichen Zusammenhang zwischen Positionierungsfehler und dem Abstand des Users zur Referenzstation. In weiterer Folge wurde im Vergleich der verwendeten Smartphones festgestellt, dass das HTC Desire X im Vorteil gegenüber den beiden Samsung Geräten in der Positionierung des Smartphone-Users ist. Als Resümee kann festgehalten werden, dass in großen, freien Räumen das One-Slope-Modell ohne Referenzstationen durchaus gute Ergebnisse in der statischen, wie auch in der kinematischen Positionierung liefert. Bei auftretender Dämpfung der Signale durch physikalische Objekte, zeigte die Verwendung von Referenzstationsdaten in der Positionierung durchaus Verbesserungen.

Abstract (English)

The current location of the smartphone user is essential for a number of applications. In indoor positioning high research potential exists as Global Navigation Satellite Systems (GNSS) cannot provide a sufficient availability. In this work, the position of the user is determined based on the trilateration using Wireless Local Area Network (WLAN). There\-fore, four methods are presented for converting the scanned signal strengths to get a distance conversion. In the first version, the one-slope model, the distance conversion is established by a logarithmic function. Additionally to this, the damping effects of the walls are taken into account in the multi-wall model. In the two differential methods an attempt is to minimize the time variation and propagation effects of WLAN-signals by the use of reference stations. Corrections are applied from the reference station data and they are transferred to the user scans in the first method of the differential approach. In contrast, differences of the received signal strengths are calculated and converted into distance differences in the second method. In the practical applications, kinematic and static scans, with three different smartphones, were conducted in the foyer and auditorium VII of the Electrotechnical Institut-Building at the TU Vienna. Three Raspberry Pi's were used as reference stations for continuous scanning the WLAN-signal. In the static positioning, using the first method of the differential approach, there could be seen a mean position deviation of 9 m to 5 m in the case of good spatial conditions. In the kinematic application good results were achieved without reference station data and the mean position deviations were at 7 m. Large spatial differences were observed in the kinematic positioning as well as in the static positioning. The attenuation of the WLAN-signals, caused by physical objects, had a significant influence on the positioning. The analyses of the first method of the differential approach demonstrates a significant connection between positioning error and the distance of the user from a reference station. Furthermore the comparison of used smartphones shows that the HTC Desire X has an advantage over the two Samsung devices in the positioning of the smartphone user. To sum up it can be stated, that the one-slope-model without reference stations gives good results in large free rooms in the static as well as in the kinematic positioning. In the absorption of the signals by physical objects, the use of reference station data shows additional improvements in the positioning.