Indoor location estimation through redundant lateration for indoor positioning system

Abstract

The simplest way to describe indoor Positioning Systems (iPS) is that it’s like a Global Positioning System (GPS) for indoor environments. iPS can be used to locate objects or people inside buildings typically via a mobile device such as a smart watch orsmart phone or tablet. Although the technology is newer than GPS services that leverage iPS are quickly gaining attention in places like art galleries museums shopping malls hospitals airports and other indoor venues where navigation and other location-based services (LBS) can prove to be necessary. in this thesis we are suggesting a new method of location estimation by inhancing the lateration method by using the redundant method which uses normal lateration to calculate the location of the point by calculating the location of the same point 4 times but with different groups of access points (123 124 134 and 345). Then we started collecting the RSSi for these groups and convert it in to distances and estimate the location from these distances and the results for these tests will be compared with the final results. Our results are statistical results for comparison in real life. Our algorithm will chose the best result out of the 4 groups which is average error 2.470399 minimum error 0.254138 maximum error 9.822816 standard deviation 1.371947 and the number points with error above 3 meters 48.

Kapalı Konumlandırma Sistemlerini (IPS) tanımanın en basit yolu, kapalı ortamlar için bir Global Konumlandırma Sistemi'ne (GPS) benzer olmasıdır. IPS, binalarda nesneleri veya kişileri bulmak için genellikle bir akıllı saat veya akıllı telefon veya tablet gibi bir mobil cihaz aracılığıyla kullanılabilir. Teknoloji, GPS'den daha yeni olmasına rağmen, sanat galerileri, müzeler, alışveriş merkezleri, hastaneler, havaalanları ve navigasyon ve diğer yer-tabanlı servislerin (LBS) gerekli olduğunu kanıtlayabilecek diğer kapalı mekanlar gibi yerlerde IPS'den faydalanan hizmetler hızla dikkat çekiyor. . Bu tezde, aynı noktanın yerini 4 kez hesaplayarak, ancak farklı erişim noktası grupları ile noktanın yerini hesaplamak için normal laterasyonu kullanan yedek yöntem kullanarak, laterasyon yöntemini yükselterek yeni bir konum tahmini yöntemi öneriyoruz. (123, 124, 134 ve 345). Ardından, bu gruplar için RSSI toplamaya başladık ve mesafelere dönüştürdük ve bu uzaklıklardan konumunu tahmin ettik ve bu testlerin sonuçları nihai sonuçlarla karşılaştırılacaktır. Sonuçlarımız, gerçek hayatta karşılaştırma yapmak için istatistiksel sonuçlar. Bizim algoritmamız, ortalama hata 2.470399, minimum hata 0.254138, maksimum hata 9.822816, standart sapma 1.371947 ve sayı 3 metreden fazla hata içeren sayı gruplarından 4 gruptan en iyi sonucu seçecektir.