| Summary: | This thesis is a feasibility study of contemporary indoor positioning approaches in an hospital environment using sensor available on Android phones together with Wi-Fi fingerprintingand map information. The purpose is to determine the resolution of pedestrian indoor positioning and whether it is sufficient for room level accuracy. Accurate and robust positioning for outdoor applications based on mobile networks and satellite systems, such as the Global Positioning Service (GPS), has been around for many years. However these systems are not suitable for positioning inside buildings due to a high level of signal degradation. Through the years various pedestrian indoor positioning methods have been proposed.A simple algorithm for suppressing random movement of the mobile phone is tested. Two versions of the Extended Kalman Filter (EKF) are compared for fusing the Inertial Navigation System (INS) measurements during Pedestrian Dead Reckoning (PDR). The TRIAD algorithm is tested for suppressing the effects of large magnetic disturbances. Wi-Fi fingerprinting using two combinations of positioning algorithms and radio maps is tested. The EKF is tested for fusing PDR and Wi-Fi fingerprint position estimations. The Particle Filter (PF) is tested for combining PDR with Wi-Fi fingerprint positioning with a geometrical map. Static Received Signal Strength Indication (RSSI) measurements are carried out to detect variable Wi-Fi transmission power. The results show that adding more informations sources improves the positioning performance. Also fusion using PF outperforms the EKF in more complex indoor environments and movement patterns. === En starkt växande tillgång och kapacitet hos trådlösa nätverk i kombination med explosionen inom mobiltelefoni, i synnerhet vad gäller smartphones, har lett till ett enormt ökat intresse för och utveckling inom området inomhuspositionering. Det har under många år funnits lösningar för positionering i utomhusmiljöer, exempelvis GPS och triangulering med mobila basstationer, men inga av dessa system lämpar sig för inomhuspositionering eftersom signalerna tappar alldeles för mycket i intensitet när användaren befinner sig inomhus. Under årens lopp har flera olika lösningar för inomhuspositionering föreslagits. I denna uppsats testas olika lösningar för inomhuspositionering med smartphones i en sjukhusmiljö. Testen baserar sig på de sensorer som finns i en smartphone med operativsystemet Android i kombination med Wi-Fi triangulering och en digital planlösning över testområdet. Syftet är att undersöka om noggrannheten kan bli såpass så bra att en upplösning på rumsnivå uppnås. En enkel algoritm för att kompensera för slumpartade och oplanerade rörelser hos mobiltelefonen testas. Två versioner av det utökade Kalmanfiltret testas för tröghetsnavigering. TRIAD algoritmen testas för att motverka magnetiska störningar. Två kombinationer av radiokartor och positioneringsalgoritmer provas för att genomföra Wi-Fi positionering. Ett utökat Kalmanfilter används för att kombinera resultaten av tröghetsnavigeringen med Wi-Fi positioneringen. Ett partikelfilter används för att utföra sensorfusionen av tröghetsnavigeringen, Wi-Fi positioneringen och den digitala planlösningen. Resultaten visar att ju mer information som tillförs under positioneringen desto större blir noggrannheten samt att partikelfiltret ger en bättre noggrannhet i en komplex inomhusmiljö i kombination med komplicerade rörelsemönster än det utökade Kalmanfiltret.
|
|---|
