HIGH ACCURACY VISIBLE LIGHT POSITIONING BASED ON MACHINE LEARNING WITH MODIFIED PATHLOSS MODEL

HIGH ACCURACY VISIBLE LIGHT POSITIONING BASED ON MACHINE LEARNING WITH MODIFIED PATHLOSS MODEL. Masters thesis, King Fahd University of Petroleum and Minerals.

[img] PDF
MS Thesis Ibrahim Abou Shehada.pdf
Restricted to Repository staff only until 1 August 2022.

Download (1MB)

Arabic Abstract

تحديد المواقع داخل المباني باستخدام تقنية الاتصال بالضوء المرئي يشكل نهجًا واعدًا لخدمة الطلب المتزايد على الخدمات الواعية بالمواقع، تحديد المواقع عن طريق الضوء المرئي المبني على بصمة قوة الإشارة المستقبلة اظهر القدرة على الحصول على أنظمة تحديد مواقع عالية الدقة، ولكن بسيطة أيضًا، ولكنها تحتاج إلى مجموعات بيانات ضخمة، والتي يتطلب جمعها إلى عمل بدني كثيف، في هذه الرسالة، قد تم اقتراح منهجية لتوليد مجموعة بيانات مصطنعة باستخدام نموذج معدل لفقدان الطريق (Pathloss) ، حيث يتم افتراض أن أس فقدان الطريق متغير. أربعة طرق استيفاء قد تم دراستها لتقدير قيمة أس فقدان الطريق المتغير، وهم الاستيفاء التكعيبي، والاستيفاء الخطي، واستيفاء الشريحة الثنائي المتناسق، و طريقة كي أقرب جار(k-NN) الموزونة: حيث أظهر الاستيفاء التكعيبي أفضل نتائج في المحاكاة باستخدام شبكة ضئيلة منتظمة، هذه الطريقة عملت خصيصًا للتعامل مع متطلبات مسح الموقع مع المحافظة على الدقة العالية في ظل وجود إشارات منعكسة مع عدد قياسات ضئيل في المرحلة الأولية، وهذه الطريقة ليست محصورة على التواصل بالضوء المرئي بسبب اعتمادها فقط على قوة الإشارة المستقبلة ونموذج فقدان الطريق، وأيضًا، باستخدام تقنية تعلم الألة (Machine Learning) كي أقرب جار ، يتم في هذه الرسالة تصميم نظام لتحديد المواقع بالضوء المرئي باستخدام مجموعة بيانات ضئيلة. تظهر نتائج المحاكاة معدل خطأ تحديد بمقدار 2,48 سم باستخدام طريقة كي أقرب جار الموزونة مع 53 قياس في المرحلة الأولية في منطقة بمساحة 25 م2، وتظهر نتائج التجارب معدل خطأ تحديد بمقدار 3,04 سم باستخدام 18 قياس فقط في منطقة بمساحة حوالي 9 م2، وتظهر أيضًا معدل خطأ بمقدار 1,92 سم باستخدام 16 قياس فقط في منطقة بمساحة 6 م2. بالإضافة، تم في هذه الرسالة تصميم نظام تحديد مواقع بالبصمات للأجهزة المائلة باستخدام شبكة عصبونية اصطناعية (artificial neural network) ، حيث الهدف هو تحديد أفضل مدخلات تدريب الآلة لتحقيق أقل خطأ في تحديد الموقع، ولقد تم مقارنة ثلاث مجموعات لمدخلات التدريب في المحاكاة، تتكون مجموعة المدخلات الأولى من قوة الإشارات المستقبلة فقط، وتتكون مجموعة المدخلات الثانية من قوة الإشارات المستقبلة بالإضافة إلى زاوية السمت وزاوية الارتفاع للمتجه العامودي على سطح الجهاز المستقبل، وتتكون مجموعة الدخلات الثالثة من قوة الإشارات المستقبلة بالإضافة إلى مكونات المتجه العامودي على سطح الجهاز المستقبل، وحيث أظهرت النتائج أن استخدام مجموعة المدخلات الثالثة لتدريب الآلة هو ما يعطي أقل خطأ لتحديد الموقع من بين مجموعات المدخلات الثلاث.

English Abstract

Visible light communications (VLC) based indoor positioning is a promising approach to serve an increasing need for location-aware services. Received signal strength (RSS) fingerprints based visible light positioning (VLP) was shown to achieve highly accurate, yet simple, VLP systems. It needs, however, large training datasets; whose collection is labor intensive. In this thesis, an artificial dataset generation methodology based on a modified pathloss model is proposed, where the pathloss exponent is assumed to be variable. Four interpolation techniques were investigated for the estimation of the variable pathloss exponent, which are bicubic interpolation, bilinear interpolation, biharmonic spline interpolation (v4) and weighted k¬-Nearest Neighbors (k-NN). Bicubic interpolation showed the best results in the simulation using a uniform sparse grid. The method is specially conceived to address the site surveying demand while attaining high positioning accuracy under non-line-of-sight (NLOS) conditions with sparse offline measurements. Also, it is not limited to visible light since it depends only on the RSS and the pathloss model. Moreover, by using the weighted k-NN (Wk-NN) machine learning technique, this work designs a VLP system based on a sparse dataset. Simulation results show an average positioning error of 2.48 cm using Wk-NN with only 53 offline measurements in a 25 m2 area. Furthermore, experimental results show an average positioning error of 3.04 cm with only 18 offline measurements in an area of approximately 9 m2, and an average positioning error of 1.92 cm using only 16 offline measurements in an area of 6 m2. In addition, this thesis also designs a fingerprinting system for tilted receivers using artificial neural networks (ANN). The objective is to choose the best training input to achieve lowest positioning error. Three training input sets are compared in the simulation. The first input set included only the RSS measurements. The second input set included the RSS measurements in addition to the azimuth and elevation angles of the normal vector to the photodetector’s (PD) surface. The third dataset included the RSS measurements in addition to the (x,\ y,\ z) coordinates of the normal vector to the PD’s surface. Simulation results show that using the third input set yields the lowest positioning error out of the three training input sets.

Item Type: Thesis (Masters)
Subjects: Electrical
Department: College of Engineering and Physics > Electrical Engineering
Committee Advisor: Muqaibel, A.
Committee Members: Zummo, S.A. and Elsawy, H.
Depositing User: IBRAHEEM ABOU SHEHADA (g201375450)
Date Deposited: 04 Aug 2021 05:54
Last Modified: 04 Aug 2021 05:54
URI: https://eprints.kfupm.edu.sa/id/eprint/141929