3 декабря, 2024

Совместная работа учёных из Тегеранского отделения Исламского университета Азад и Института высшего образования Корона в Сиднее привела к созданию точной системы внутренней локализации для Интернета вещей (IoT), основанной на использовании BLE-технологий и метода дактилоскопии. В рамках исследования рассматривались возможности применения индикатора уровня сигнала RSSI и технологии Bluetooth Low Energy (BLE) для преодоления ограничений GPS внутри помещений.

Исследователи оценили потенциал передатчиков iBeacon для точного позиционирования объектов в закрытых пространствах, а также усовершенствовали методы дактилоскопического анализа с применением фильтров для выявления аномалий и картографических инструментов.

Методика включала преобразование реального окружения в координаты, сбор данных с 47 контрольных точек и тестирование четырех алгоритмов локации. Полученные данные показали, что алгоритм PWCL превосходит по точности традиционный WCL, а гибридные подходы позволяют значительно снизить ошибки при определении местоположения. Наиболее точный результат был достигнут методом HYBRID-MAPPED, где средняя ошибка составила всего 1,44 метра.

Учитывая растущую потребность в точных системах локации внутри зданий, особенно в крупных и сложных структурах вроде торговых центров, больниц и университетов, учёные всё больше фокусируются на разработке решений, работающих без использования спутникового сигнала. Анализ существующих исследований выявил наличие значительных погрешностей в большинстве применяемых алгоритмов, что потребовало дальнейших изысканий с целью их минимизации.

Как показало исследование, комбинирование разных подходов даёт наилучшие результаты: так, применение метода HYBRID-MAPPED позволило сократить частоту ошибок почти на 18%.

Для повышения точности работы систем дактилоскопической локации предлагается постепенно улучшать качество тренировочных данных за счёт активного участия пользователей. Так, люди, находящиеся в здании, смогут вносить свои данные в базу через онлайн-сервис, тем самым увеличивая объем обучающей информации.

Кроме того, для достижения большей надежности рекомендуется применять фильтры на основе подписок, а также использовать встроенные в мобильные устройства сенсоры движения для прогнозирования перемещений пользователей и повышения точности локализационных систем.