Luis Felipe da Cruz Figueredo , Fillipe Lopes do Couto ,

1. IX Simpósio Brasileiro de Automação Inteligente – SBAI 2009 Brasília-DF, Setembro 20 – 23, 2009 An Evaluation of RSSI Based Indoor Localization Systems in Wireless Sensor Networks Luis Felipe da Cruz Figueredo, Fillipe Lopes do Couto, Adolfo Bauchspiesslfc.figueredo@yahoo.com.br, fillipecouto@uol.com.br, adolfobs@unb.br Grupo de Robótica, Automação e Visão Computacional (GRAV)‏ Departamento de Eng. Elétrica - Universidade de Brasília (UnB)‏

2. Sumário • Motivação; • Introdução; • Sistemas de Localização; • Rede de Sensores Sem Fio Implementada; • Sistemas de Localização Implementados; • Análise Experimental; • Conclusões e Trabalhos Futuros.

3. Motivação Projeto PROBAL – CAPES “Networked Control with Distributed Processing for Building Automation in an Ambient Intelligence Framework” Ambient Intelligence “Rede de sensores e atuadores que provê diversos serviços de forma praticamente invisível aos usuários” Foco centrado no usuário; Rede de sensores e atuadores; Exemplos de Serviços: - Conforto Térmico; - Economia de energia; - Segurança; - Assisted Living.

4. Motivação Módulosportáteis que ofereçamconforto térmico individualizado A localização de pessoas e objetos é de fundamental importância em aplicações direcionadas ao usuário.

5. Motivação Módulosportáteis que ofereçamconforto térmico individualizado A localização de pessoas e objetos é de fundamental importância em aplicações direcionadas ao usuário.

6. Introdução • Análise e comparação dos principais métodos de localização; • Aplicabilidade destes métodos com WSNs (Wireless Sensor Networks) em ambientes inteligentes; • Implementação de uma ZigBee WSN em um ambiente inteligente; • Implementação de sistemas de localização baseados no parâmetro RSSI. 5

7. PrincipaisSistemas de Localização Estimação da distância (ou ângulo) AoA – AngleofArrival; ToA – Time ofArrival; RSSI – ReceivedSignalStrengthIndication. Estimação da posição através da combinação de distâncias (ou ângulos) Triangulação; Triangulação Hiperbólica. Estimação da posição através do mapeamento de ambientes. 6

8. PrincipaisSistemas de Localização AoA – Angle of Arrival; Ângulo do alvo com relação a um referencial; Antenas com padrão de radiação anisotrópico conhecido. ToA – Time of Arrival; Tempo de um sinal transmitido do alvo até uma base; Velocidade de propagação do sinal previamente conhecida; Usualmente, utilizado com sinais de ultrasom. RSSI– Received Signal Strength Indication Atenuação da potência do sinal transmitido; Um dos métodos mais suscetíveis a perturbações; Não costuma necessitar de dispositivos adicionais. 7

9. PrincipaisSistemas de Localização Triangulação; Baseado na estimação da direção do alvo com relação a estações bases; Estimação é feita através da interseção de duas ou mais direções.

10. PrincipaisSistemas de Localização Triangulação Hiperbólica; Baseado na estimação da distância do alvo com relação a estações bases; Estimação é feita através da análise da interseção das assíntotas. Estações base Módulo remoto

11. PrincipaisSistemas de Localização Mapeamento de Ambientes; Mapeamento baseado no comportamento de alguma variável sobre o ambiente, usualmente a potência do sinal recebido (RSSI); Mapeamento, usualmente, feito em estágio offline; Estimação baseada na leitura de valores RSSI e acesso ao mapa. Algoritmos inteligentes e estimação estocástica são utilizados para incrementar a acurácia e precisão deste método.

12. Rede de Sensores Sem Fio Implementada AmbientIntelligence; Rede de sensores sem fio (WSN): ZigBee IEEE 802.15.4 Módulos RF Xbee 1 – Digi Laboratório de Automação Visão e Sistemas Inteligentes – LAVSI

13. Rede de Sensores Sem Fio Implementada Ambiente de implementação: Laboratório LAVSI – Laboratório de Automação Visão e Sistemas Inteligentes;

14. Rede de Sensores Sem Fio Implementada • Ambiente de implementação: Laboratório LAVSI – Laboratório de Automação Visão e Sistemas Inteligentes;

15. Rede de Sensores Sem Fio Implementada Módulos Sensores;

16. Rede de Sensores Sem Fio Implementada Módulo Remoto;

17. Sistemas de Localização Implementados Triangulação Hiperbólica Baseada em RSSI Distribuição da energia das ondas eletromagnéticas e sua relação com a distância:

18. Sistemas de Localização Implementados Triangulação Hiperbólica Baseada em RSSI Problema: Múltiplas interferências, múltiplos caminhos, e outros fatores.

19. Sistemas de Localização Implementados Triangulação Hiperbólica Baseada em RSSI Problema: Múltiplas interferências, múltiplos caminhos, e outros fatores. Solução: Experimentação empírica offline; Coleta de vários valores RSSI em várias distâncias (conhecidas) diferentes; Ajuste da constante K através de mínimos quadrados.

20. Sistemas de Localização Implementados Triangulação Hiperbólica Baseada em RSSI

21. Sistemas de Localização Implementados Triangulação Hiperbólica Baseada em RSSI Triangulação Método 1 (Discretização) Triangulação Método 2

22. Sistemas de Localização Implementados Triangulação Hiperbólica Baseada em RSSI Triangulação Método 1 (Discretização) Triangulação Método 2

23. Sistemas de Localização Implementados Mapeamento de Ambiente Utilizando RNAs Feedforward-Backpropagation; Dados Coletados: 80% - Treinamento 20% - Validação 1ª Rede Neural Nível do Sinal - mód. 1 Posição do módulo no eixo X Nível do Sinal - mód. 2 . . . Nível do Sinal - mód. N 2ª Rede Neural Nível do Sinal - mód. 1 Nível do Sinal - mód. 2 Posição do módulo no eixo Y . . . Nível do Sinal - mód. N

24. Análise Experimental Estágio offline: Triangulação Hiperbólica: Cálculo da constante K. Mapeamento do ambiente: 110 Posições distintas; Várias leituras RSSI em cada posição.

25. Análise Experimental Posição Estimada x Real

26. Conclusões e Trabalhos Futuros Aplicabilidade de métodos de localização em WSNs é bastante limitada; Dificuldade de estimação devido a imprecisão nas leituras do parâmetro RSSI; Dificuldade de estimação utilizando triangulação hiperbólica simples; Melhores resultados de mapeamento de ambientes utilizando RNAs: Perturbações sistemáticas levadas em consideração.

27. Conclusões e Trabalhos Futuros Trabalhos Futuros: Substituição dos módulos digi – XBee 1.0 por XBee –PRO com maior potência de transmissão e faixa de recepção; Atualização online da constante K relativa a condições do ambiente; Uso do método ToA para atualização e correção da estimação; Aplicação de HMMs (Hidden Markov Models) para modelar o sistema em modos distintos (andando devagar, parado, etc); Aplicação de métodos estocásticos bayesianos de estimação e M-Estimadores para remoção de outliers.

28. Agradecimentos Os autores agradecem ao CNPq, à CAPES e à FINEP pelo apoio recebido. • http://grav.unb.br • http:// www.lara.unb.br/~lfcfigueredo • http://www.ene.unb.br/~adolfo/

29. OBRIGADO A TODOS PELA ATENÇÃO!!!