|
|
سیستم مکانیابی داخلی مبتنی بر wi-fi برای مدیریت انرژی در ساختمانهای هوشمند
|
|
|
|
|
نویسنده
|
برهانی افوسی محسن ,ذوقی محمدرضا
|
منبع
|
مهندسي و مديريت انرژي - 1398 - دوره : 9 - شماره : 2 - صفحه:64 -73
|
چکیده
|
ارائه خدمات ویژه به ساکنین در ساختمان های هوشمند به منظور بهره وری انرژی، مستلزم آگاهی از اطلاعات هویتی، محل سکونت و نیز مکان لحظه ای افراد در داخل ساختمان است. در این مقاله، به طراحی یک سیستم مکان یابی داخل ساختمان مبتنی بر اثرانگشت wifi تعبیه شده روی گوشی های هوشمند می پردازیم. سیستم مکان یابی داخل ساختمان از دو بخش برخط و برون خط تشکیل شده است. در مرحله برون خط، یک بستر گردآوری اطلاعات نقشه رادیویی و پردازش قدرت سیگنال های دریافتی معرفی می شود. در مرحله برخط، خوشه بندی لایه برخط و روش k همسایه نزدیک مبتنی بر وزن دهی آماری و مختصات تفاضلی ارائه می شود. این سیستم پیشنهادی در مقایسه با سایر سیستم ها دقت مکان یابی را بهبود می دهد. همچنین الگوریتم پیشنهادی از نظر پیچیدگی محاسباتی با الگوریتم های دیگر قابل مقایسه است. در این مقاله، ارزیابی سیستم مکان یابی پیشنهادی با استفاده از اطلاعات واقعی یک طبقه صورت می گیرد.
|
کلیدواژه
|
مکانیابی داخلی، بهرهوری انرژی، نقشه رادیویی، نزدیکترین همسایگی، قدرت سیگنال دریافتی
|
آدرس
|
دانشگاه کاشان, دانشکده مهندسی برق و کامپیوتر, ایران, دانشگاه کاشان, دانشکده مهندسی برق و کامپیوتر, ایران
|
پست الکترونیکی
|
zoghi@kashanu.ac.ir
|
|
|
|
|
|
|
|
|
An Indoor Positioning System Based on Wi-Fi for Energy Management in Smart Buildings
|
|
|
Authors
|
Zoghi Mohammad Reza
|
Abstract
|
To offer indoor services to occupants in the context of smart buildings, one can rsquo;t help considering information concerning the identity and location of the occupants. This paper proposes an indoor positioning system (IPS) based on WiFi fingerprint and Knearest neighbors (KNN) methods. The positioning of a mobile device (MD) using WiFi technology involves online and offline phases. In this paper, the offline phase includes data collection in WiFibased Nonintrusive SMS (WinSMS) context while the online phase involves updating the structure of the collected radio map and online positioning. In online positioning, the proposed Weighted Differential Coordinate ProbabilisticKNN (WDCPKNN) method based on probabilistic weighting of generalized Reference Points (RPs) and differential coordinates is used. Experiments in a complex indoor environment with real values indicate that the proposed method reduces the positioning error compared to other methods and is also comparable in terms of computational complexity.
|
Keywords
|
Radio Map ,RSS ,Wi-Fi Fingerprint ,KNN Methods ,Indoor Positioning ,Energy Efficiency
|
|
|
|
|
|
|
|
|
|
|