翻译文献《The Airplace Indoor Positioning Platform for Android Smartphones》
翻译内容
安卓智能手机室内定位平台
摘要:本文介绍了一种针对Android智能手机开发的室内定位系统——Airplace。为了推断未知的用户位置，我们依赖于无所不在的wlan，并利用在正常运行下移动设备不断监视的邻近接入点(AP)的接收信号强度(Received Signal Strength, RSS)值。我们的系统采用基于移动的网络辅助架构，以减少通信开销，尊重用户隐私。在典型的场景中，当用户走进大楼时，智能手机客户端与我们的分发服务器进行单一通信，以接收RSS广播映射，然后能够使用所观察到的RSS值独立地定位自己。此外，我们还实现了一个Android应用程序，方便用户收集RSS值，用户可以将自己的数据贡献给我们的系统，通过众包来构建和更新radiomap。我们将在会议期间演示该系统的实时定位功能，允许与会者携带一台Android平板电脑，在演示区域(交互场景)内走动时，在平面图上查看自己的位置。此外，我们还将说明如何在跟踪驱动的场景中评估使用剖面数据的不同定位算法的性能。我们的目标是强调本系统的有效性和适用性，同时让参加者能够认识到室内定位服务和应用的潜力。
一.介绍
根据最近的统计，人们80% -90%的时间是在室内环境中度过的，包括购物中心、图书馆、机场或大学校园，而70%的手机通话和80%的数据连接来自室内[1]。这引发了人们对室内定位服务(LBS)和位置感知应用(location-aware applications)日益浓厚的兴趣，例如建筑内导航和导航、资产跟踪、老年人对环境和辅助生活(AAL)的支持等。由于基于卫星的定位，例如全球定位系统，由于定位信号受阻或衰减而无法在建筑物内使用或严重退化，因此要使这种应用得以实现并使其得到广泛接受，就需要提供准确和可靠的位置估计的替代解决办法。在过去的15年里，这激发了人们的研究，并导致了一些定位系统的发展，这些系统依赖于多种技术，包括红外、蓝牙、射频识别(RFID)、超宽带(UWB)、摄像机、超声波、无线
1截屏,视频演示和视频教程Airplace系统可用的:http://www2.ucy.ac.cy/sim;laoudias /页面/ platform.html
传感器网络(WSN)和无线局域网(WLAN);有关定位技术和商业系统的概述，请参见[2]及其参考资料。这些技术大多可以提供高水平的定位精度，但通常需要部署和校准昂贵的设备，如专用于定位的自定义发射机和天线。这很耗时，安装成本高，用户需要携带专用设备进行定位。因此，由于现有基础设施的广泛可用性，一些定位系统依赖于wlan，即的无线局域网接入点(WLAN Access Points, AP)，为建筑物内提供无处不在的覆盖。位置可以推断在一个房间的水平(即。，定位误差约为2-4m)，利用相邻APs传输的信标数据包被动扫描提取的接收信号强度(RSS)值作为标准网络功能的一部分。因此，商业移动设备，如智能手机和平板电脑，无需任何硬件修改就可以使用，因为它们通常配备无线连接的WLAN适配器，只需要一个软件代理来监视RSS值。为了解决室内复杂的信号传播条件，由于多径、反射和衍射，RSS指纹(即，从用户附近的APs记录的相对过饱和度测量值的矢量)已在文献中得到广泛研究;有关基于指纹的算法和系统的详细调查，请参见[3]。这种方法有两个阶段;在设置阶段，使用商业设备在一些预定义的参考位置预先收集一些RSS指纹。每个RSS指纹都与各自的参考位置相关联，并存储在所谓的radiomap中，它覆盖了感兴趣的整个区域。本质上，radiomap是多维RSS空间到物理坐标(x,y)的映射。随后在定位阶段，利用当前观测到的RSS指纹从radiomap中的参考指纹中找到最佳匹配，并将未知的用户位置确定为与最佳匹配指纹相关联的位置。
尽管有一些fingerprint-based文学定位系统,包括实验室[4],在Redpin[5]或摩尔acute;e[6]系统,增加市场Android设备已收到有限的关注作为一个开发平台。我们的贡献是Airplace，一个终结
图1所示。机场定位系统体系结构。
基于Android智能手机开发的终端移动定位平台，方便了radiomap的构建，具有实时定位功能，同时提供了额外的选项，可以评估不同基于指纹的算法在定位时间、精度和功耗方面的性能。在本文中，我们首先介绍系统架构，并为平台中的组件提供详细信息。然后，我们描述了演示设置，包括设备，以及交互和跟踪驱动的场景，我们将按照这些场景向与会者展示我们的系统。
二.机场定位系统架构
该原型系统是在Android智能手机上开发的，采用基于移动网络的辅助架构，具有两个非常理想的特性。首先，由于没有将观测到的RSS指纹上传到网络端(即用于估计位置，如在基于网络的移动辅助架构的情况下。其次，由于位置是由用户估计的，因此可以解决安全问题并尊重用户隐私。典型的定位场景中包含三个步骤:(i)用户输入一个室内环境中,如大学校园或购物中心,由几个WLAN APs,(2)用户的智能手机从当地获取RSS radiomap和参数分布服务器在一个通信独立轮和(iii)客户职位本身只使用本地知识,即。，下载的无线地图和目前观察到的RSS指纹，更重要的是，没有透露其个人状态。Airplace系统架构如图1所示，由RSS日志记录器和Find Me应用程序以及下面详细介绍的分发服务器组成。
A.RSS日志程序
RSS日志记录器是围绕Android RSS API开发的用于扫描和记录数据样本的应用程序
我们的Airplace系统的早期版本最近在一个会议场所[7]中进行了演示。
图2所示。Airplace RSS记录器原型应用程序的屏幕截图。
以预定的时间间隔在特定的地点。这些示例包含所有相邻WLAN ap的MAC地址和RSS级别(以dBm为单位)，以及用户发起记录的位置的坐标。启动界面具有启动/停止扫描过程和设置首选项(如平面图、日志文件名等)的基本功能，如图2(左)所示。首先，用户定义每个位置需要采集的样本数量(图2，中间)，然后点击地图(具有缩放功能)，在局部坐标(x,y)中设置ground truth，移动到需要的位置。最后，用户记录数据，如图2(右)所示。这样采集到的指纹与相应的物理位置相关联，RSS radiomap反映了室内环境。收集到的数据存储在本地的日志文件中，用户可以将自己的数据贡献给我们的系统，通过众包来构建和更新radiomap。具体来说，用户可以设置我们的分发服务器的IP地址和端口号，以便使用文本协议上传所需的日志文件。在未来，我们计划通过允许用户在数据连接可用时匿名提供他们的日志文件来自动化这个过程。
B.帮我找申请表
我们的定位应用是一个客户端，运行在Android智能手机上，连接到服务器上，下载radiomap和算法相关的参数，让用户可以独立自定位。Find Me应用程序的界面如图3(左)所示，用户可以在其中设置首选项(即、平面图、radiomap下载设置等)，并从算法配置面板中选择任何可用的定位算法。我们实现了几种基于指纹的算法，包括确定性k近邻(KNN)和加权k近邻(WKNN)算法[8]、[9]，以及概率极大后验(MAP)和最小均方误差(MMSE)算法[10]、[11]。我们的平台还支持内部开发的两种最先进的算法，即径向基函数(RBF)网络[12]和负加正(SNAP)[13]方法。
图3所示。Airplace的截图找到我的原型应用程序。
我们的定位应用支持双操作模式，提供实时定位信息(在线模式)和使用预先录制的测试指纹评估不同算法(离线模式)。在联机模式下，用户下载radiomap并选择算法后，按下Find Me Indoor按钮进行一次性定位，估算位置绘制在平面图上。或者，可以打开Track Me按钮来启动连续定位请求，以便在建筑物内行走时跟踪用户。在这种情况下，当前位置估计(绿色圆圈)大约每秒钟更新一次，而过去的位置显示为红点;见图3(中间)。在脱机模式下，我们提供了模拟大量连续定位请求(即，在不同地点收集多个RSS指纹的档案可储存在flash媒体上，而不是即时收集)。这种模式下,见图3所示(右)是相当有用的加载测试指纹收集先天的(例如,一个单独的RSS日志文件收集与RSS日志应用程序在感兴趣的领域),以评估不同算法的性能而言,以下标准:
bull;执行时间:测量所需的平均时间在实践中对智能手机进行定位。
bull;定位精度:显示与测试指纹相关的平均定位误差。
bull;功耗:通过使用PowerTutor工具[14]来测量定位过程中智能手机的实际功耗，调查电池的耗电量。
C.分布服务器
我们的服务器主要负责rssradiomap的构建和分布，监听客户端提供所收集的RSS数据或请求radiomap和算法参数开始定位的连接;见图4。为了创建radiomap文件，服务器解析所有可用的RSS日志文件(可能由多个用户提供)，并通过对每个不同位置收集的所有样本求平均值来计算每个MAC地址的平均RSS值。最后，将所有平均值合并并存储在单个radiomap文件中，以便每行对应于特定位置和每列的平均RSS值
图4所示。Airplace分发服务器侦听连接。
到相应的MAC地址。通过这种预处理(即我们减轻噪音的影响(例如，即使在相同的位置，RSS值也会随时间而波动，通常不遵循已知的分布)和离群值(例如，由于WLAN卡的瞬时行为而导致错误的RSS测量)。此外，通过平均RSS radiomap可以有效地压缩，从而减少用户感知到的系统启动延迟(即，延迟接收radiomap)，减少位置估计时间。例如，在KIOS研究中心560m2的实验设置中，我们使用9个WLAN ap，在105个不同的参考位置每个位置收集了40个指纹。在使用我们的服务器预处理这些数据之后，radiomap的大小大约为32KB，下载只需几秒钟。我们的服务器实现中的另一个有趣特性是用于微调特定于算法的参数的方法。例如，在KNN方法中为K选择一个合适的值是很重要的，它可能会显著影响算法的性能。我们首先使用RSS日志记录器收集额外的RSS样本进行验证，从而处理这个问题。然后，KNN算法在服务器端以不同的K值运行，并选择合适的值，以最小化与验证数据相关的平均定位误差。我们算法库中的所有算法都采用了类似的方法。按照这种方式，我们的服务器首先构建RSS radiomap，然后为存储在单独配置文件中的参数选择适当的值，该配置文件也与相关的radiomap一起分发。请注意，在Airplace系统的已部署版本中，此微调过程还可以用于为特定环境定义最佳算法，以便在Find Me定位应用程序中自动选择最佳选项，而无需任何用户干预。
三.演示设置
A .设备
为了在会场展示我们的室内定位平台，我们将使用摩托罗拉的Xoom平板电脑,10.1acute;屏幕(即。,比一个典型的3.7acute;4.3acute;智能手机为了方便),一个Nvidia Tegra 2 T20处理器(1.0 ghz),1 gb内存运行Android 3.1蜂窝。我们的Xoom平板电脑配备了
多个无线通信模块对于语音和数据连接,以Quadband GSM / GPRS / EDGE以及蓝牙2.0,但是平板电脑客户端将依靠其内置的802.11 b / g无线局域网收发器连接到发布服务器,或者上传通过RSS日志应用程序收集到的指纹或下载radiomap和相关算法参数通过找到我的应用程序。分发服务器将在基于linux的工作站上运行，客户端将能够通过安装在会议场所的WLAN热点连接到分发服务器。或者,如果没有无线连接可用演示期间,RSS指纹可以通过手动复制从智能手机的sdcard运行服务器的笔记本电脑通过USB电缆为了创建radiomap这些文件和参数文件,然后复制到手机,这样可以进行定位。为使示范更能吸引参加者，我们需要以.jpg格式制作示范地区的平面图，以便收集无线电地图的数据，并在定位过程中显示有关地点的估计数字。我们会利用会议场地现有的无线网络基础设施，以及邻近建筑物内安装的无线网络接入点。请注意，对于Find Me应用程序的定位，不需要活动数据连接，因为客户机只是被动地扫描邻近的WLAN ap以获得所需的RSS值。如果检测到的APs数量有限，我们将部署我们拥有的几款HTC Desire智能手机，使用现成的便携式WiFi功能，提高覆盖范围，提供令人满意的定位精度;这个实践在之前的演示[7]中得到了成功的测试。最后，我们还可以使用投影仪和显示导出实用程序在墙上直接显示智能手机上的交互。
B. 演示场景
互动:首先，我们会将Android平板电脑分发给选定的参与者，让他们在会场内收集一些RSS样本，并将其贡献给系统，体验RSS日志应用。请注意，我们的团队会在演示之前收集足够的样本，覆盖整个演示区域，以保证良好的性能。接下来，参与者可以使用当前观察到的RSS指纹，在联机操作模式下使用
全文共14474字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[1651]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
