Atıf Sayısı
1
Görüntüleme
12
Dış mekanlarda konum belirlemek için küresel konumlama sistemi, küresel uydu seyir sistemi veya cep telefonu baz istasyonları günlük hayatımızda yaygın olarak kullanılmaktadır. Fakat bina içleri gibi kapalı alanlarda bu yöntemler etkin olarak kullanılamamaktadır. Bu nedenle kapalı ortamlarda da çalışabilecek etkin konum belirleme sistemlerine ve yöntemlerine ihtiyaç vardır. Bu çalışmada, alınan sinyal gücü göstergesi (Received Signal Strength Indicator - RSSI) verisine dayalı bir konum belirleme yöntemi olan parmak izi tabanlı konum belirleme sistemlerinin hata oranlarının azaltılmasına yönelik yeni bir sistem modeli sunulmuştur. Bu yöntemde, öncelikle çok yollu yayılımın sinyal gücü üzerindeki etkisini azaltmak için parmak izi yönteminde oluşturulan ortamın radyo haritasının boyutunun küçültülmesi (ortamın hücrelere bölünmesi) amaçlanmıştır. Bunun için sınıflandırma yöntemlerinden destek vektör makinesi (Support Vector machine, SVM) kullanılmıştır. Son olarak gezgin cihazın konum tespiti için, her bir hücrede elde edilen RSSI değerlerine göre Yapay Sinir Ağı (YSA) ile çevrimdışı eğitim yapılmıştır. Çevrimdışı eğitilen ağ ve gezgin cihazdan sabit cihazlara gelen RSSI değerleri kullanılarak çevrimiçi gezgin cihazın konum tespiti yapılmıştır. Önerilen yöntemin, literatürde sıklıkla kullanılan üçgenleme ve YSA ile konum belirleme yöntemlerinden daha etkin olduğu gösterilmiştir.
Global location system, global satellite navigation system, or mobile base stations are widely used in our daily lives. However, these methods cannot be used effectively in closed areas like the building. Therefore, effective location systems and methods are needed that can also work in closed environments. In this study, a new system model was introduced to reduce the error rates of fingerprint-based positioning systems, which is a positioning method based on the received signal strength indicator (RSSI) data. In this method, it is primarily aimed at minimizing the size of the radio map of the environment created in the fingerprint method to reduce the impact of multi-way spread on the signal power (dividing the medium into cells). The support vector machine (SVM) is used. Finally, for the location of the traveler device, an offline training was carried out with the Artificial Neural Network (YSA) according to the RSSI values obtained in each cell. The location of the online traveler device has been identified using the RSSI values from the offline trained network and the traveler device to the fixed device. The recommended method has been shown to be more effective than the triangular and YSA methods that are often used in literature.
In outdoor localization, global positioning system, global satellite navigation system or cell phone base stations are widely used in our daily life. However, these methods cannot be used effectively in indoor areas. Thus, effective indoor localization systems and methods, can work in closed environments, are needed. In this study, a new system model is presented to decrease the error rates of localization systems on the basis of fingerprint, which based on the received signal strength indicator (RSSI) information. In this method, firstly it is aimed to decrease the size of the fingerprint radio map (dividing the area into cells), created in the fingerprint method, in order to reduce the effect of multipath propagation on the signal strength. Hence, support vector machine (SVM), one of the classification methods, has been used. Finally, to determine mobile device' location, offline training has been conducted with Artificial Neural Network (ANN) according to RSSI values obtained in each cell. By using the offline trained network and the RSSI information, which arrived from mobile device to fixed devices, mobile device' location is determined. It is shown that the proposed method is more effective than triangulation and ANN localization methods, which are frequently used in the literature.
Dergi Türü : Ulusal
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
