| Summary: | Purpose – The purpose of this thesis was to identify and evaluate different filtering algorithms for raw Received Signal Strength Indication (RSSI) values in an indoor positioning system. The purpose was also to examine how the positioning accuracy is affected depending on which filter that was applied to an indoor positioning system based on Bluetooth Low Energy (BLE) 5. Method – To identify and evaluate the filtering algorithms a literature study was performed, where databases such as Primo, Google Scholar, Digitala Vetenskapliga Arkivet among others were used to collect data. To examine how the positioning accuracy is affected by the filtering algorithms, an experimental study was performed. A one-dimensional indoor positioning system was designed were a Blue Gecko BGM111 Bluetooth Low Energy Model with BLE 5 was programed to read the RSSI values from a connection with an iPhone 8. The RSSI values were sent via a UART to an external computer which stored these as a text file. All the filtering algorithms processed the same text file to reassure comparable conditions. The results from the different filtering algorithms were examined in two steps. The first step was to decide if the filtering of the distance values or the filtering of the RSSI values resulted in the highest positioning accuracy. The second step was to compare the results to decide which of the filtering algorithms that gave the highest positioning accuracy. The examination resulted in an observed hypothesis created by the authors, that was validated by conducting a single tailed hypothesis test with a significance level of 0,01. By conducting the tests in three different environments, an assurance was created that the same phenomenon was in place in all environments. The experimental study took place in the following environments: harsh office environment, calm office environment and open environment. Findings – The results from the literature study showed that the Kalman filter, Feedback filter, Gauss filter, Moving Median filter, Moving Mean filter and Particle filter are the most frequently mentioned filtering algorithms in the positioning context. The results from the experimental study showed that the Kalman filter was the filtering algorithm with the highest positioning accuracy. The results also showed that filtering on the RSSI values before they were transformed into distance was an improvement compared to filtering on the distance, after the transformation of the RSSI values. Implications – The results from this thesis will be beneficial for ROL Ergo AB in their upcoming implementation of an indoor positioning system. After a conducted examination of existing work within the field, the authors found a lack of studies that compare positioning accuracy on more than 3 filtering algorithms and with a usage of the latest version of BLE, namely version 5. This shows that the results from this thesis could be of great use for developers of positioning systems based on BLE. Limitations – The time spent realizing this thesis did not allow for a full and exhaustive evaluation of the great number of filtering algorithms that are available. Therefore, only a few filtering algorithms were selected to be examined and tested, which was done by what the authors considered to be a frequent mentioned filtering algorithm in other positioning systems and that was implementable within the timeframe of this thesis. This thesis experimental study only used BLE 5 as communication mean and therefore does not contain a comparison of positioning accuracy between BLE 5 and earlier versions of BLE. Keywords – RSSI, BLE 5, filtering algorithm, positioning accuracy. === Syfte – Syftet med detta examensarbete var att identifiera och utvärdera olika filtreringsalgoritmer för råa RSSI-värden i ett inomhuspositioneringssystem. Syftet var även att undersöka hur positioneringsnoggrannheten påverkas beroende på vilket filter som används, hos ett inomhuspositioneringssystem baserat på Bluetooth Low Energy (BLE) 5. Metod – För att identifiera och utvärdera de olika filtreringsalgoritmerna genomfördes en litteraturstudie där databaser som Primo, Google Scholar, Digitala Vetenskapliga Arkivet med flera använts för att samla in data. För att undersöka hur positioneringsnoggrannheten påverkas av filtreringsalgoritmerna har en experimentell studie genomförts. Ett endimensionellt inomhuspositioneringssystem har konstruerats där en Blue Gecko BGM111 Bluetooth Low Energy Module med BLE 5 programmerats för att läsa RSSI-värdena i uppkopplingen med en iPhone 8. RSSI-värdena skickades via en UART över till en extern dator som lagrade dessa i en textfil. Samtliga filtreringsalgoritmer bearbetade samma textfil för att säkerställa jämförbara förutsättningar. Resultaten från de olika filtreringsalgoritmerna har granskats i två steg. Det första steget var att bestämma om filtrering på avståndsvärden eller om filtrering på RSSI-värden resulterar i bäst positioneringsnoggrannhet. Det andra steget var att jämföra resultaten för att avgöra vilken av filtreringsalgoritmerna som gav högst positioneringsnoggrannhet. Granskningen resulterade i att skribenterna skapade en observerad hypotes, vilken bekräftades genom att genomföra ett ensidigt hypotestest med en signifikansnivå på 0,01. Genom att genomföra testerna i tre miljöer, säkerställs att samma fenomen återupprepades i samtliga miljöer. Miljöerna där den experimentella studien genomfördes var tuff kontorsmiljö, lugn kontorsmiljö och öppen miljö. Resultat – Resultaten från litteraturstudien visade på att Kalmanfiltret, Feedbackfiltret, Gaussfiltret, Glidande Medianfiltret, Glidande Medelvärdesfiltret och Partikelfiltret är de oftast förekommande filtreringsalgoritmerna i positioneringssammanhang. Resultaten från den experimentella studien visade på att Kalmanfiltret var den filtreringsalgoritm som hade högst positioneringsnoggrannhet. Resultaten visade även på att filtrering på RSSI-värdena innan de omvandlas till avstånd medförde en förbättring i positioneringsnoggrannheten jämfört med då filtreringen skedde på de uppmätta avstånden, efter omvandlingen av RSSI-värdena. Implikationer – Resultatet från detta examensarbete kommer vara till nytta för ROL Ergo AB i deras framtida implementering av ett inomhuspositioneringssystem. Efter genomförd granskning av tidigare arbeten inom området har skribenterna funnit en avsaknad av studier som jämför positioneringsnoggrannheten hos fler än tre filter och med ett användande av den senaste versionen av BLE, nämligen version 5. Detta indikerar att resultatet från detta examensarbetet kan vara till nytta för utvecklare av positioneringssystem baserat på BLE. Begränsningar – Tiden som var avsatt för examensarbetet tillät inte en fullständig och uttömmande utvärdering av det stora antalet filtreringsalgoritmer som finns tillgängliga. Därför valdes endast ett fåtal filtreringsalgoritmer att undersökas och testas, vilket har skett utifrån vad författarna ansett vara vanligt förekommande filter hos andra system och som var implementerbara inom tidsramen för examensarbetet. Examensarbetets experimentella studie använde endast BLE 5 som kommunikationsmedel och innehåller därför inte en jämförelse av positioneringsnoggrannheten mellan BLE 5 och tidigare versioner av BLE. Nyckelord – RSSI, BLE 5, filtreringsalgoritm, positioneringsnoggrannhet.
|
|---|
