بخشی از مقاله

خلاصه

در دهه اخیر روشهای تعیین موقعیت گوناگونی توسعه داده شده است. تلاشهای صورت یافته در زمینه تعیین موقعیت کاربرانعمدتاً در محیطهای برون ساختمانی انجام یافته و این در حالی است که اغلب کاربران بیشتر از 70 درصد از زمان خود را در محیطهای درون ساختمانی صرف مینمایند. از اینرو تعیین موقعیت کاربران در محیطهای درون ساختمانی، با توجه عدم کارایی مناسب سامانههای تعیین موقعیت ماهوارهای در محیطهای بسته، در سالهای اخیر مورد توجه قرار گرفته است. در تحقیق حاضر تعیین موقعیت کاربران با بکارگیری روش شبکههای عصبی بر روی مشاهدات شدت سیگنال دریافتی بدست آمده از نقاط دسترسی شبکه بیسیم، به دلیل وجود زیر ساخت دستگاهی مورد نیاز بررسی گشته است. در روش پیشنهاد شده ابتدا دادههای مربوط به میزان شدت سیگنال دریافتی جمع آوری گردیده، سپس یک شبکه عصبی پرسپترون چند لایه با پنج لایه ورودی، سه لایه مخفی و دو لایه خروجی آموزش داده شد.

نتایج بدست آمده نشان دهنده آن بوده است که بکارگیری شبکههای عصبی به همراه روش مذکور در 61 درصد موارد دارای خطای تعیین موقعیتی کمتر از 2متر بوده و با توجه این میزان دقت برای توسعه طیف زیادی از خدمات مکان مبنا در محیطهای درون ساختمانی مناسب است.در چند سال گذشته میزان درخواست عمومی و تخصصی در زمینه خدمات مکان مبنا افزایش چشمگیری داشته است، در همین راستا با افزایش قابلیتهای ارائه نقشه به کاربران از سوی سازمانهائی مانند گوگل از یک سو و پیدایش نسل جدید دستگاههای تلفن همراه با قابلیتهائی محاسباتی و ارتباطی جدید مانند بلوتوث، شبکه بیسیم - Wi-Fi - و شبکه اینترنت همراه به همراه بهره گیری از سیستم تعیین موقعیت جهانی - GPS - از سوی دیگر، بستر لازم جهت ارائه خدمات مکان مبنا - LBS's - در اغلب دستگاههای همراه را در چند سال آتی را فراهم نموده است.[1]

در دهه اخیر روشهای تعیین موقعیت گوناگونی توسعه داده شده است. تلاشهای صورت یافته در زمینه تعیین موقعیت کاربرانعمدتاً در محیطهای برون ساختمانی بوده و این در حالی است که اغلب کاربران بیشتر از 70 درصد از زمان خود را در محیطهای درون ساختمانی صرف مینمایند. از اینرو تعیین موقعیت کاربران در محیطهای درون ساختمانی، با توجه عدم پوشش سیستمهای تعیین موقعیت ماهوارهای در محیطهای بسته، در سالهای اخیر مورد توجه قرار گرفته است. در تحقیق حاضر تعیین موقعیت کاربران با بکارگیری روش شبکههای عصبی بر روی مشاهدات شدت سیگنال دریافتی بدست آمده از نقاط دسترسی شبکه بیسیم، بدلیل وجود زیر ساخت دستگاهی مورد نیاز بررسی گشته است. در ابتدا مروری بر تحقیقات پیشین انجام شده در حوزه تعیین موقعیت درون ساختمانی انجام خواهند شد سپس به بیان روش پیشنهادی، منطقه مورد مطالعه، پیاده سازی روش پیشنهادی و بررسی نتایج پرداخته خواهند شد.


.2 مروی بر تحقیقات پیشین

در سال 2000، Bahl و Venkata، در پروژهای موسوم به Radar، با استفاده از مشاهدات شدت سیگنال دریافتی از نقاط دسترسی شبکه بیسیم - Wi-Fi Access Point - و برمبنای این واقعیت که شدت سیگنال دریافتی * داری رابطه عکس با فاصله از نقاط فرستنده است، پایه گذار روش تعیین موقعیت بر مبنای مشاهدات شدت سیگنال فرستندههای بیسیم شدندBaus .[2] و همکاران در سال 2002، در پروژهای موسوم به REAL، سیستم تعیین موقعیت ترکیبی را جهت ناوبری کاربران در محیطهای درون/ برون ساختمانی توسعه داده اند. در این مطالعه از فرستندههای مادون قرمز و GPS بترتیب جهت تعیین موقعیت در محیط درون ساختمانی و برون ساختمانی بهره گرفته اند.[3] سیستم توسعه داده شده توسط ایشان دارای معایبی همچون حساسیت بالا حسگرهای مادون قرمز به نور آفتاب و نیاز به خریداری و نصب تجهیزات اضافی است. سیستم ناوبری ترکیبی دیگری توسطGartner و همکاران در سال 2004، با بکارگیری روشهای حل چندمعیاره و استفاده از روش ارتباط چند رسانهای جهت ارتباط با کاربر توسعه داده شدMok .[4] و Kong در سال 2006، جهت ناوبری ترکیبی کاربران دستگاههای همراه الگوریتم ترکیبی را پیشنهاد دادند.

در الگوریتم پیشنهادی توسط آنها، از تبدیل شدت سیگنالهای دریافتی به فواصل، و تلفیق این فواصل با طولهای بدست آمده از سیستم تعیین موقعیت جهانی بین گیرنده همراه و ماهوارهها، موقعیت کاربر از روش سه پهلوبندی محاسبه میشود.[5] اگرچه روش پیشنهادی توسط Mok و Kong درجه آزادی مشاهدات را بطور قابل توجهی افزایش میدهد، اما بدلیل وجود خطاهائی مانند چندمسیری و تداخل امواج رادیوئی، امکان ایجاد یک رابطه جهت تبدیل مشاهدات شدت سیگنال به فاصله بصورت دقیق، بسادگی امکان پذیر نیست. در سال 2010،Kou و همکاران با استفاده از تقسیم محیط درون ساختمانی به نواحی مختلف، الگوریتمی را جهت تعیین موقعیت درون ساختمانی ایجاد نمودند. در الگوریتم پیشنهاد شده توسط آنها موقعیت نقاط با توجه به قدرت سیگنال دریافتی محاسبه میگردید، هرچه قدرت سیگنال دریافت شده از یک نقطه دسترسی بیسیم بیشتر باشد موقعیت نقطه بیشتر به ناحیه مورد پوشش ان نقطه دسترسی نزدیکتر میگردد.

اگرچه در روش پیشنهادی توسط آنها نیاز به مرحله آموزش وتشکیل پایگاه داده نیست، اما به دلیل استفاده از درونیابی بین نقاط دسترسی جهت محاسبه موقعیت دقت قابل حصول از این روش در عمل کاهش چشمگیری مییابد. در سال 2011، Alonso و همکاران به بررسی روشهای تعیین موقعیت درون ساختمانی روباتها پرداخته و با بیان اینکه یکی از مهمترین نقایص موجود در این زمینه عدم امکان مدلسازی پخش سیگنال است، خطاهای وارد شده بر میزان شدت سیگنال دریافتی را به دو بخش، خطاهای حاصل ازتغییرات کوچک مقیاس سیگنال و خطاهای حاصل از تغییرات بزرگ مقیاس سیگنال، تفکیک نموده و سعی در مدلسازی خطاهای حاصل از تغییرات کوچک مقیاس سیگنال توسط روشهای فازی پرداخته است .[7] در تحقیق صورت گرفته توسط Jiang و همکاران روشی پیشنهاد شده که در ان نقطه دسترسی دارای بیشترین قدرت سیگنال بعنوان نقطه دسترسی اصلی قلمداد شده و فاصله تقریبی کاربر تا آن محاسبه گشته و با اینروش نیاز به دسترسی به پایگاه داده تمامی قدرت سیگنالهای دریافتی تا حدی کاهش یافته است.

در اغلب روشهای ذکر شده سعی بر مدلسازی الگوی پخش سیگنال در محیط درون ساختمانی بوده است، اما با توجه به تاثیر شدید ویژگیهای خاص محیطهای درون ساختمانی مانند ضخامت دیوارها، تداخل امواج دستگاههای الکترونیکی موجود در محیط، رفت و آمد افراد و غیره، امکان ایجاد یک رابطه مستقیم جهت انجام مدلسازی مذکور به نتایج مطلوب منتهی نگردیده است. شبکههای عصبی مصنوعی با پردازش روی دادههای تجربی، دانش یا قانون نهفته در ورای دادهها را به ساختار شبکه منتقل می کنند و برخلاف مدلهای ریاضی نیازی به تعیین رابطه ریاضی بین ورودی ها و خروجی ها ندارند. بنابراین در مواردی که امکان نشان دادن روابط پیچیده بین متغیرها در ترمهای فیزیکی مشکل باشد، توانایی زیادی دارند. از سوی دیگر در توابع ریاضی دادههای ورودی نادرست یا ناقص باعث ایجاد خطای زیاد در نتایج خروجی می شود در حالیکه شبکههای عصبی مصنوعی نتایج خروجی دقیقی را ارائه میکنند.[15] ازاینرو بکار گیری روش شبکههای عصبی بعنوان یک روش مدلسازی سیاه جهت کشف روابط نهفته موجود بین پدیدهها در تحقیق حاضر مورد بررسی قرار گرفته است.

2,1.    روشهای تعیین موقعیت درون ساختمانی با استفاده از مشاهدات شدت سیگنال دریافتی

روشهای متعددی جهت تعیین موقعیت در محیطهای درون ساختمانی بوجود آمدهاند. مهمترین روشهای تعیین موقعیت در این محیطها عبارتند از: روشهای مبتنی برچسبهای RFID، نقاط دسترسی شبکه بیسیم، استفاده از امواج فراصوت، فناوری بلوتوث، دستیار سیستم تعیین موقعیت جهانی* و پردازش تصویر. در حال حاضر دو فناوری برچسبهای رادیوئی و نقاط دسترسی شبکه بیسیم بیشترین سهم را تعیین موقعیت در محیطهای درون ساختمانی دارند.[9] کلمهWi-Fi ، مخفف عبارت Wireless Fidelity است که به عنوان یک اسم مستعار از استاندارد 802,11 IEEE نیز شناخته میشود. هر فرستنده بیسیم یک سیگنال را از خود منتشر مینماید که در محدوده تحت پوشش آن قابل دریافت است. دستگاههای بیسیم قابلیت اندازه گیری شدت سیگنالهای منتشر شده را دارند. این شدت سیگنالهای دریافتی به اعدادی با نام شاخص شدت سیگنال دریافتی تبدیل میگردند.

دستگاههای با قابلیت دریافت امواج شبکه بیسیم علاوه بر شدت سیگنال دریافتی اطلاعات دیگری مانند نام فرستنده، آدرس فیزیکی فرستنده و نوع فرستنده را دریافت مینمایند. شاخص شدت سیگنال دریافتی یک معیار بدون واحد است که جهت مقایسه میزان شدت سیگنال دریافتی از نقاط دسترسی مختلف مورد استفاده قرار میگیرد. در حال حاضر هیچ استاندارد خاصی جهت تبدیل شدت سیگنال دریافتی واقعی به شاخص شدت سیگنال موجود نیست و تولید کنندگان مختلف الگوهای خاص خود را دارند.[10] تعیین موقعیت با استفاده از مشاهدات شدت سیگنال دریافتی به دو روش صورت میپذیرد . روش اول، مبتنی بر آنالیز صحنه بوده وعموما با عنوان روش اثر انگشت و یا انطباق الگو شناخته میشود.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید