Académique Documents
Professionnel Documents
Culture Documents
. apresentado um estudo
terico das principais tcnicas de localizao para ambientes fechados. A tcnica
adotada neste trabalho consiste na anlise de fingerprinting. Nesta tcnica, criado
um mapa de propagao que representa as intensidades de sinal recebidas em
diversas coordenadas do cenrio de testes. As medidas de intensidade de sinal
recebido se do em relao a dispositivos ZigBee
, Fingerprinting, RSSI
8
ABSTRACT
This project presents the undergraduate study and implementation of a tracking
system for indoor environments based on information from RSSI (Received Signal
Strength Indication). The mobile device is to be located in a network module ZigBee
.
A study of major theoretical techniques for indoor location is presented. The
technique adopted here is to fingerprint analysis. In this technique, you create a map
that represents the propagation of signal strengths received at various coordinates of
the test scenario. The measures received signal strength are given in relation to
ZigBee
da MaxStream
na placa de interfaceamento
desenvolvida pela MaxStream
............................................................................... 43
Figura 19 Padro de radiao das antenas (a) Monoplo (whip), (b) Diplo
e (c) Chip ...................................................................................................................... 44
Figura 20 Topologia de rede em estrela utilizada no projeto ......................... 45
Figura 21 (a) Programao de um XBee
.................................................................................. 40
3.1.1 Arquitetura do Padro ZigBee ......................................................................... 40
3.2 O MDULO XBee ................................................................................................. 42
3.2.1 Caractersticas .................................................................................................... 42
3.2.2 Topologias de rede ............................................................................................ 45
3.2.3 Modos de Operao do Mdulo XBee ........................................................... 46
3.3 CRIAO DA REDE ZIGBEE
........................................................................... 47
3.4 CENRIO DE TESTES ........................................................................................ 48
3.5 SOFTWARE DE AQUISIO DOS DADOS ................................................... 51
16
3.6 IMPLEMENTAO DOS ALGORITMOS DE INFERNCIA DE
LOCALIZAO............................................................................................................. 56
3.6.1 Validao Cruzada ............................................................................................ 56
3.6.2 K-Vizinhos Mais Prximos (KNN) ................................................................... 59
3.6.3 Redes Neurais Artificiais (RNA) ...................................................................... 66
4 TESTES E RESULTADOS OBTIDOS ................................................................ 69
4.1 TESTES EFETUADOS ........................................................................................ 69
4.1.1 Variao temporal do RSSI .............................................................................. 69
4.1.2 Variao do RSSI com a distncia ................................................................. 74
4.1.3 Variao do RSSI com a presena de obstculos ...................................... 76
4.2 ANLISE DAS AQUISIES DE RSSI PARA O CENRIO DE TESTES 77
4.3 ANLISE DO FINGERPRINTING PARA O CENRIO DE TESTES .......... 80
4.4 RESULTADOS PARA ABORDAGEM POR CMODO ................................. 82
4.5 RESULTADOS PARA ABORDAGEM POR COORDENADA ....................... 83
5 CONCLUSES ........................................................................................................ 87
5.1 PROJETOS FUTUROS E MELHORIAS ........................................................... 88
6 REFERNCIAS ....................................................................................................... 89
APNDICES ................................................................................................................. 93
17
1 INTRODUO
1.1 MOTIVAO
A automao de ambientes domiciliares tem sido assunto de diversas pesquisas nos
ltimos anos (RODRIGUES, 2010). Seguindo esta linha de pesquisa, o Instituto
Federal do Esprito Santo desenvolve um projeto denominado AUTODOM. Neste
projeto esto inseridos vrios pesquisadores tendo por objetivo o estudo e
desenvolvimento de sistemas para automao domiciliar voltados para o auxilio a
portadores de necessidades especiais.
Uma das linhas de pesquisas do AUTODOM envolve a automatizao de uma
cadeira de rodas para um ambiente domiciliar. Dessa forma, a cadeira reage
automaticamente aos comandos do indivduo, ao sensoriamento do ambiente e
sua localizao. Assim, podem-se abrir portas, acender luzes, ligar equipamentos
eletrnicos entre outras atividades automaticamente. Nisto consiste a computao
ubqua, um conceito de computao sensvel ao contexto, onde redes de sensores
sem fios permitem a interao de dispositivos com o intuito de compartilhar
informaes recolhidas, executar comandos e se comunicar.
Neste contexto, este trabalho tem como foco principal o problema da localizao da
cadeira de rodas dentro do ambiente domiciliar.
1.2 APLICAES
Em problemas de localizao existem dois tipos de cenrios: a localizao em
espao aberto (outdoor) e em espao fechado (indoor). Um sistema de localizao
em espao aberto destina-se localizao de pessoas e objetos em ambientes
exteriores, enquanto que um sistema de localizao indoor tem como objetivo a
localizao no interior de edificaes. Cada um destes sistemas apresenta
caractersticas e desafios diferentes, sendo que os sistemas de localizao em
espao fechado so os que se mostram mais difceis de implementar devido aos
complexos efeitos de propagao de sinal nesses ambientes (GOMES, 2008).
Diversas aplicaes, alm da apresentada como motivao para este trabalho, so
discutidas nas literaturas referentes s pesquisas nesta rea (BARROS, 2004)
18
(NUNES, 2006) (JIMNEZ, 2008). Algumas dessas aplicaes so apresentadas a
seguir.
Telemonitoramento de Pacientes
Outra importante aplicao para sistemas de localizao domiciliar est no auxlio a
pacientes que sofrem de doenas cardacas crnicas. Estes necessitam de
monitoramento contnuo devido grande probabilidade de ocorrncia de evento de
risco para a sade. Dependendo de seu quadro clnico, o paciente internado
durante um perodo de observao, e depois reconduzido ao seu domiclio ou at
mesmo inserido num programa de monitoramento domiciliar.
Em (BUMACHAR, 2006) apresentado um dispositivo porttil para monitoramento
domiciliar do eletrocardiograma (ECG) transmitindo-o sem fio a curta distncia para
uma estao receptora que o retransmitir, via internet, a um servidor de
telemonitoramento. Esse sistema gera alarmes em caso de emergncias, como
distrbios perigosos detectados pelo interpretador automtico de ECG ou
acionamento do boto de emergncia pelo prprio paciente.
Esses alarmes devem ser atendidos imediatamente, pela natureza emergencial de
seus fatos geradores. A equipe que faz o atendimento de emergncia em domiclio
corre o risco de perder tempo precioso localizando o paciente dentro do domiclio,
visto que o mesmo pode estar cado e incapacitado de se comunicar. Torna-se til,
ento, que o sistema de monitoramento adquira a capacidade de localizar
automaticamente o paciente dentro do domiclio, informando ao pessoal de sade
antes de sua chegada.
Logstica
As organizaes empresariais podem se beneficiar de localizao de equipamentos
para melhorar a logstica da cadeia de suprimentos e processos (JIMNEZ, 2008).
Mquinas, ferramentas e outros importantes equipamentos podem ter sua utilizao
monitorada e pode ser mantido um registro da freqncia de utilizao em cada local
de trabalho.
19
Registro de Presena
Sistemas de registro de ponto eletrnico costumam utilizar-se de cartes ou crachs
para que o funcionrio registre sua presena no local de trabalho. Alguns outros
sistemas permitem que o funcionrio registre sua presena via rede de
computadores local. Todos estes sistemas exigem que o funcionrio dedique um
tempo para realizar o registro. Um sistema de localizao indoor possibilitaria que,
ao chegar ao local de trabalho, a presena e o horrio de chegada fossem
automaticamente registrados, bastando para isso que o funcionrio portasse um
crach desenvolvido especialmente para tal fim.
Rastreamento de Animais
Esta aplicao pode ser muito til na pesquisa biolgica, e tambm para o auxlio de
criadores de gado. O comportamento animal pode ser facilmente caracterizado pela
contnua aquisio de dados de localizao para cada espcime. Alm disso, o
monitoramento permite a preveno de roubo, bem como coleta de dados para
acompanhamento da sade do animal (JIMNEZ, 2008).
1.3 OBJETIVOS
Este trabalho tem como objetivo o desenvolvimento de um sistema de localizao
para ambientes fechados utilizando uma rede de comunicao ZigBee
. O sistema
constitudo de estaes fixas de referncia, chamadas estaes base, e de uma
estao mvel. Testes com duas e com trs estaes bases esto no escopo do
projeto. O objetivo identificar a localizao do dispositivo mvel utilizando somente
a informao da potncia do sinal recebido de cada uma das estaes base (RSSI
Received Signal Strength Indicator).
20
1.4 ESTRUTURA DA DISSERTAO
Esta monografia composta por cinco captulos. O presente captulo faz uma
introduo problemtica a ser abordada, apresenta a motivao para solucionar o
problema e os objetivos a serem alcanados.
O captulo 2 consiste numa anlise dos sistemas de localizao: os fundamentos
tericos da propagao de sinais, as principais tcnicas e algoritmos de estimativa
de localizao presentes na literatura.
O captulo 3 descreve o sistema desenvolvido, os materiais e a metodologia
empregada. O captulo inicia com uma explicao sobre a tecnologia Zigbee
, e
sobre a configurao da rede de comunicao utilizada. Em seguida so descritos
os procedimentos envolvidos na fase de aquisio do sinal, o software desenvolvido
para tal fim e o cenrio escolhido para os testes. O captulo encerra com a
explanao dos algoritmos programados para inferncia de localizao.
No captulo 4 so descritos os diversos testes realizados. So apresentados os
resultados obtidos para cada uma das abordagens dos algoritmos implementados.
O captulo 5, alm de apresentar as concluses referentes ao desenvolvimento da
pesquisa, prope sugestes para novos projetos e indica possveis melhorias.
21
2 SISTEMAS DE LOCALIZAO
2.1 FUNDAMENTOS TERICOS DE PROPAGAO DE SINAIS
As ondas de radiofreqncia (RF) consistem em ondas eletromagnticas com
freqncias na faixa de 30KHz a 400GHz (NALBADIAN, 1998). Diversos fenmenos
interferem na propagao de sinais deste tipo. Sistemas de localizao que utilizam
ondas de rdio esto sujeitos a essas influncias muitas vezes prejudiciais, por este
motivo necessria uma anlise terica da propagao de sinais.
2.1.1 Caracterizao do comportamento do canal rdio
A propagao de ondas eletromagnticas em ambientes fechados apresenta
comportamentos estocsticos e nem sempre possveis de serem caracterizados.
Diversos efeitos afetam a propagao dessas ondas, sendo os principais:
dependncia com a distncia, variabilidade de larga escala e variabilidade de
pequena escala (NAJNUDEL, 2004).
2.1.1.1 Dependncia com a distncia
Qualquer sinal tem seu nvel de potncia atenuado medida que se propaga. Este
fato se d, devido ao espalhamento do sinal no espao, reduzindo a sua densidade
de potncia. No caso de um sinal se propagando no espao livre (sem obstrues
ou reflexes), esta atenuao tem uma relao quadrtica com a distncia
percorrida pelo sinal. Em ambientes em que o relevo e a morfologia (ou obstculos,
como mveis, no caso de ambientes fechados) obstruem o caminho do sinal
propagante, esta atenuao em relao distncia acentua-se podendo atingir uma
dependncia com a quarta ou quinta potncia com a distncia (NAJNUDEL, 2004).
22
2.1.1.2 Variabilidade de larga escala
A variabilidade de larga escala, tambm conhecida como efeito de sombreamento,
est associada a flutuaes do nvel de potncia do sinal em torno do seu valor
mdio, em razo das caractersticas do relevo e da morfologia do ambiente. Esta
variabilidade bem modelada por uma distribuio log-normal (ou distribuio
Gaussiana, se utilizada escala logartmica) (NAJNUDEL, 2004).
2.1.1.3 Variabilidade de pequena escala
A variabilidade de pequena escala causada por raios provenientes de um
transmissor que chegam ao receptor por caminhos diferentes (efeito de multi-
percurso). Estes diferentes caminhos implicam que os sinais cheguem ao receptor
com amplitudes e fases diferentes. A fase dos raios mais sensvel a pequenos
deslocamentos quanto maior a freqncia do sinal transmitido. Este fenmeno
tambm chamado de desvanecimento (ou fading, que descrito como a flutuao
instantnea do nvel de sinal). Nas faixas de 2,4 e 5,2 GHz, em que o comprimento
de onda prximo de 1 cm, pequenos deslocamentos no transmissor ou no receptor
podem levar a uma configurao tal que cause profundos desvanecimentos no sinal
recebido. Ao mesmo tempo, a durao destes desvanecimentos muito curta,
diferentemente dos desvanecimentos de larga escala (NAJNUDEL, 2004).
2.1.2 Outros efeitos de propagao
2.1.2.1 Perda de Penetrao
As perdas de penetrao dependem, entre outros fatores, do comprimento de onda
do sinal incidente, da natureza do material do obstculo, suas dimenses e
posicionamento. Obstculos slidos metlicos refletem grande parte do sinal
incidente, impedindo a propagao atravs deste. J obstculos slidos de madeira,
plstico ou tijolos refletem uma parte do sinal e permitem que uma parcela seja
transmitida atravs. Por sua vez, gua e objetos midos tendem a absorver uma
grande parte do sinal incidente (NAJNUDEL, 2004). A tabela 1 apresenta valores em
23
decibis (dB) de perda de penetrao medidos pelo European COST 231 para os
obstculos mais comuns em ambientes fechados. Os valores apresentados foram
obtidos para freqncia de 2,4 GHz.
Tabela 1 Perdas de penetrao em obstculos em 2,4 GHz
Obstculo Perda adicional [dB]
Espao livre 0
Janela (tinta no metlica) 3
Janela (tinta metlica) 5 a 8
Parede fina (madeira) 5 a 8
Parede mdia (madeira) 10
Parede espessa (aprox. 15 cm) 15 a 20
Parede muito espessa (aprox. 30 cm) 20 a 25
Piso / Teto espesso 15 a 20
Piso / Teto muito espesso 20 a 25
2.1.2.2 Reflexo, refrao, difrao e espalhamento
Em ambientes fechados, comum que o sinal propagante tenha que atravessar
obstculos como paredes, mveis, portas ou at pessoas. Os modelos de
propagao mais simples desconsideram essas obstrues ao admitir que sempre
h visada direta entre os pontos de comunicao. Entretanto, ao encontrar um
obstculo, a propagao do sinal pode ser afetada das seguintes formas:
- Reflexo ocorre quando uma onda eletromagntica incide sobre um objeto de
dimenses muito maiores do que o comprimento de onda do sinal incidente. Este
efeito pode implicar em uma reflexo da onda para diferentes direes e em uma
atenuao na potncia do sinal,
no caso de uma parte deste conseguir atravessar o obstculo.
- Refrao ocorre quando uma onda atravessa um meio de densidade diferente
do meio em que se propagava. Por exemplo, quando uma onda propagante no ar
incide sobre a gua ou uma superfcie de vidro, a direo da onda incidente muda.
Uma parte do sinal refletida e outra refratada, continuando o percurso atravs do
obstculo, mas em uma direo diferente.
24
- Difrao ocorre quando o percurso de uma onda obstrudo por um obstculo
de superfcie irregular ou pela extremidade de um obstculo. A difrao depende
fortemente da freqncia da onda propagante, em razo da obstruo do elipside
de Fresnel (NAJNUDEL, 2004). Em sinais de alta freqncia, a difrao pode
inviabilizar uma transmisso entre dois pontos. Entretanto, este efeito muito til
para sinais de freqncia mais baixa, como as faixas de celulares, pois, de acordo
com o princpio de Huygen (TEORIA DE PROPAGAO, 2010), cada ponto numa
frente de onda se comporta como uma fonte isolada, dessa forma, haver a
formao de ondas secundrias atrs do obstculo, mesmo que no haja linha de
visada entre o transmissor e o receptor. Isso pode explicar como em ambientes
fechados mesmo que um usurio no veja o outro eles mesmo assim podem se
comunicar.
- Espalhamento ocorre quando uma onda eletromagntica incide sobre um objeto
cujo tamanho muito pequeno em relao ao comprimento de onda do sinal
incidente. Este efeito obedece aos mesmos princpios fsicos da difrao espalhando
a energia do sinal do transmissor em muitas direes. A figura 1 ilustra estes
fenmenos de propagao.
Figura 1 (a) Reflexo e refrao, (b) Difrao e (c) Espalhamento
Fonte: Najnudel (2004)
2.1.2.3 Multipercursos
O efeito de multipercurso, ilustrado na figura 2 causado pelos fenmenos de
reflexo, difrao e espalhamento. Estes fenmenos fazem com que um sinal atinja
um destino por diferentes caminhos, alm do percurso em visada direta (LoS Line
of Sight), quando este existe. A interseo destes raios faz com que o sinal em um
Raio refletido
Raio refratado
25
dado ponto no espao seja composto pelos diversos sinais, de modo construtivo, isto
, aumentando o nvel de potncia do sinal, ou de modo destrutivo, diminuindo o
nvel de potncia do sinal (NAJNUDEL, 2004).
Figura 2 Exemplificao da ocorrncia de multipercursos
Fonte: Najnudel (2004)
2.1.2.4 Efeito da umidade
Perdas adicionais podem ocorrer em ambientes onde as paredes esto muito
midas, devido principalmente maior reflexo do sinal. Em (MICHAEL, 1999)
demonstrado que a perda de penetrao em paredes ou pisos midos aumenta em
aproximadamente 10% em relao aos mesmos secos.
26
2.2 TCNICAS DE ESTIMATIVA DE LOCALIZAO
Os mtodos mais utilizados para a realizao da estimativa de localizao em redes
sem fio se dividem basicamente em trs grupos: triangulao, proximidade e
fingerprinting (KAEMARUNGSI, 2004) (PANDEY, 2006) (HIGHTOWER, 2001).
Alguns mtodos necessitam da medio de distncias, que pode ser realizada por
cronometragem ou por intensidade de sinal recebido, conforme explicado a seguir.
As medies por cronometragem ou Tempo de Chegada (Time-of-Arrival - ToA),
calculam o atraso de propagao do sinal e usam esta informao para estimar a
distncia de separao entre os ns. Para o correto clculo deste tempo,
necessrio haver um sincronismo altamente preciso entre transmissor e receptor,
especialmente quando se tratar de comunicao via RF. O GPS utiliza esta tcnica
para estimar o posicionamento. A cronometragem tambm pode ser diferencial,
neste caso a tcnica conhecida como Diferena de Tempo de Chegada (Difference
in time of Arrival - TDoA). Ao invs de usar os tempos de chegada absolutos,
examina-se as diferenas de tempo de chegada dos sinais de diferentes fontes. A
figura 3 ilustra os tempos medidos para a determinao da posio de um
dispositivo, que realizada processando as medies entre o n mvel e, no
mnimo, trs ns de posies conhecidas.
Figura 3 Tempo de diferena de chegada.
Fonte: Danado (2007)
27
A medio de distncia por intensidade de sinal recebido utiliza o fato de que a
potncia com que um sinal chega a um receptor uma funo, entre outros fatores,
da distncia ao emissor. Quanto maior a distncia, menor ser a intensidade do sinal
ao atingir o receptor. Portanto, a estimativa da distncia entre ns, e
conseqentemente sua localizao, pode ser determinada baseando-se em um
Indicador de Potncia de Sinal Recebido (Received Stregth Signal Indicator -
RSSI). Para relacionar a potncia de um sinal recebido com distncia a partir do qual
foi transmitido utiliza-se a equao 2.1, conhecida como Frmula de Friss (LUC,
2009).
Onde,
-
r
P : Potncia na antena receptora em watts
-
t
P : Potncia enviada pela antena de transmisso em watts
-
r
G : Ganho da antena de transmisso
-
t
G : Ganho da antena de recepo
- : Comprimento de onda, f c/ = , onde c a velocidade da luz (299792458 m/s) e f
a frequncia do sinal
- d : Distncia em metros
- n : Constante de propagao do sinal, dependente do ambiente
No caso de espao livre de obstculos entre o transmissor e o receptor o valor de n
igual a 2. Em ambientes interiores, como armazns, residncias, etc., o valor de n
pode variar entre 2 e 3,5. Nesses casos o valor a ser adotado determinado
empiricamente, e depende da freqncia de operao (MARROW, 1999)
(RAPPARPORT, 1989).
A partir da equao 2.1, considerando-se
r
P ,
t
P ,
r
G ,
t
G e constantes, obtm-se
a equao 2.2:
( )
n
r t
t r
d
G G
P P
2
2
4t
=
(2.1)
28
Onde k uma constante e
r
P est em Watts.
Para a maioria das tecnologias de dispositivos de comunicao sem fio, inclusive
para o mdulo ZigBee
especificados no
Captulo 4.
(2.2)
n
r
d
k
P =
( )
3
10 ] [ log 10 ] [ = W P dBm P (2.3)
|
.
|
\
|
=
n
d
k
RSSI
'
log 10
(2.4)
( ) K d n RSSI + = log 10
(2.5)
29
Figura 4 Grfico relacionando potncia do sinal recebido com distncia entre transmissor e receptor
2.2.1 Triangulao
A triangulao um mtodo que calcula as coordenadas (x, y) de um ponto atravs
da resoluo de um conjunto de equaes lineares envolvendo as coordenadas
conhecidas de vrios pontos de referncia (Xi, Yi) e medidas de distncias ou
ngulos do ponto at essas referncias (JIMNEZ, 2008). A triangulao pode ser
realizada de duas formas diferentes: por angulao ou por laterao.
- Angulao
Na angulao so utilizados os ngulos entre pontos de referncia e os segmentos
de reta gerados pela unio de cada ponto de referncia ao ponto a ser localizado. A
figura 5 ilustra a angulao em um sistema de coordenadas bidimensional, neste
caso so necessrios dois ngulos e a distncia entre os pontos onde os ngulos
foram medidos.
-90,00
-80,00
-70,00
-60,00
-50,00
-40,00
-30,00
-20,00
-10,00
0,00
0 10 20 30 40 50 60 70 80 90 100
P
r
(
d
B
m
)
d (m)
30
Figura 5 Determinao da localizao por angulao
Fonte: Barros (2004)
- Laterao
A Laterao utiliza medio de distncias em linha reta do ponto do qual se deseja
calcular a localizao at mltiplos pontos de referncia, cujas coordenadas so
previamente conhecidas. Para o caso de uma localizao bidimensional (localizao
de um ponto em um plano), um n pode calcular a sua posio dadas trs ou mais
medidas em relao a pontos de referncia no colineares, como ilustra a figura 6.
Figura 6 Conceito de laterao para determinar a posio do ponto desejado
Fonte: Barros (2004)
31
Para um sistema de coordenadas tridimensional so necessrias pelo menos quatro
distncias entre pontos no coplanares. A preciso da estimativa de posio
limitada pela preciso das medies de distncia.
2.2.2 Proximidade
Esta tcnica obtm a localizao por meio da proximidade do n de posio
desconhecida com os ns de referncia em posies pr-definidas. Utiliza deteco
por contacto fsico ou deteco por sensores sem fio. Trata-se da tcnica mais
simples para sistemas de localizao por no necessitar de hardware exclusivo nem
algoritmos complexos para inferncia de posio. Contudo, necessita da instalao
de uma infra-estrutura com grande nmero de ns de referncia, implicando
geralmente, em elevada necessidade de manuteno.
2.2.3 Fingerprinting
Esta tcnica utiliza caractersticas eletromagnticas observadas a partir de um
determinado ponto para inferir a localizao de um n (KAEMARUNGSI, 2004).
Sistemas de localizao desse tipo possuem duas fases: uma offline e outra online.
Na fase offline, construdo um mapa com as intensidades dos sinais recebidos
(RSSI) de uma determinada rea, esta fase tambm conhecida como fase de
calibragem. Na fase online, um dispositivo captura o RSSI em uma determinada
localizao e compara com os valores contidos no mapa criado na fase anterior. As
formas para realizar esta comparao so discutidas no tpico 2.4 que trata dos
Algoritmos para inferncia de localizao. A figura 7 trata-se de um exemplo
hipottico de um mapa de RSSI construdo a partir de apenas uma fonte
transmissora (estao base) para um ambiente fechado. Nesta figura, cada um dos
valores apresentados representa os valores de RSSI medidos ao se posicionar o
dispositivo mvel nas posies correspondentes (pontos de coleta).
32
Figura 7 Representao grfica de um mapa de intensidades de sinal, em dBm, em um ambiente
indoor
Considerando-se que a atenuao de sinal funo da distncia entre emissor e
receptor, de se esperar que pontos de coleta com a mesma distncia at a estao
base possuam os mesmos valores de RSSI no mapa de propagao. Entretanto, por
se tratar de um mapa para ambientes fechados, a intensidade do sinal altamente
dependente da configurao do ambiente. Neste caso, um determinado ponto,
mesmo que mais prximo da antena transmissora, pode apresentar a mesma
atenuao de sinal que um ponto mais distante. Isso ocorre, por exemplo, se o ponto
mais distante estiver em visada direta com o sinal transmitido e o ponto mais
prximo estiver atrs de uma parede.
Tambm importante observar que existem valores de RSSI que ocorrem mais de
uma vez no mapa apresentado. Isso dificulta a inferncia de localizao na fase
online. Por exemplo, caso o sistema, na fase online, mea um valor de intensidade -
31dBm, ao compar-lo com o mapa criado na fase offline, seriam encontradas duas
possveis localizaes distintas. A utilizao de vrias estaes base uma possvel
soluo para resolver este problema. Dessa forma, para um ambiente com k
estaes base, o mapa passa a possuir um vetor com k valores de RSSI para cada
coordenada mapeada. So definidas, ento, etiquetas que rotulam estes vetores e
33
representam as localizaes. Estes vetores com as informaes de intensidades de
sinal e rtulos correspondentes costumam ser chamados de fingerprinting por se
tratar de uma impresso digital do ponto de coleta em questo, da vem o nome do
mtodo (KAEMARUNGSI, 2004). A figura 8 apresenta as fases envolvidas no
processo de localizao por fingerprinting. Tendo como base a grande aceitao
desse mtodo por outros pesquisadores (NUNES, 2006) (GOMES, 2008) (LUC,
2009) este foi o mtodo escolhido para este projeto.
Figura 8 - Representao da tcnica de localizao por fingerprinting
2.3 ALGORITMOS PARA INFERNCIA DE LOCALIZAO POR
FINGERPRINTING
Em um sistema de localizao por fingerprinting, as comparaes com a base de
dados realizadas no Classificador podem ser determinsticas ou probabilsticas. Nas
comparaes ditas determinsticas, a intensidade de sinal recebido em determinada
localizao representada por um valor escalar. Freqentemente a mdia, ou a
mediana, o valor escolhido como representante. Quando o Classificador dito
probabilstico, as distribuies que caracterizam os sinais em cada local mapeado
so armazenadas no banco de dados e utiliza-se uma abordagem probabilstica
para inferir o posicionamento. Algoritmos probabilsticos so baseados em Inferncia
Baeysiana, Teoria da Aprendizagem Estatstica ou Redes Neurais Artificiais
(BATTITI, 2002) (MADIGAN, 2005). J os algoritmos determinsticos costumam
basear-se no mtodo dos k-Vizinhos Mais Prximos (K-Nearest Neighbor - KNN)
RSSI medido
Comparao com a base de dados
(CLASSIFICADOR)
Posio Estimada
Fase on-line Fase off-line
Mapa de
Radiao
(Base de dados)
(x
1
,y
1
)
RSSI
1
, RSSI
2
... RSSI
k
(x
i
,y
i
)
RSSI
1
, RSSI
2
... RSSI
k
34
(BAHL, 2000). Este projeto implementa e analisa os resultados para classificadores
baseados nos mtodos KNN e Redes Neurais Artificiais. Esta escolha se justifica
nos resultados satisfatrios encontrados em (COUTO, 2008) para esses tipos de
algoritmos classificadores.
2.3.1 K-Vizinhos Mais Prximos (KNN)
O primeiro passo para implementao deste algoritmo escolher qual o valor
escalar ser utilizado para representar as intensidades de sinal nos pontos de
coleta, usualmente selecionada a mdia ou a mediana. Em seguida, calculada a
distncia entre o vetor de RSSI medido na fase online e cada fingerprinting
armazenado na base de dados. A localizao ser estimada baseada nos
fingerprintings que possurem as menores distncias. Neste caso, o termo distncia
refere-se a diferenas entre intensidades de sinal e no propriamente a uma
distncia fsica. Duas funes comumente utilizadas para clculos de distncia so a
Euclidiana e a Manhattan (NUNES, 2006).
A equao 2.6 apresenta o clculo da Distncia Manhattan, onde i identifica a
Estao Base e k identifica o Ponto de Coleta.
Sendo,
i
d : distncia Manhattan ao ponto de coleta i
ik
I : RSSI armazenado no Mapa correspondente ao ponto de coleta i e Estao Base k
k
I ' : RSSI lido pelo dispositivo mvel correspondente Estao Base k
O clculo da Distncia Euclidiana apresentado na equao 2.7, onde i identifica a
Estao Base e k identifica o Ponto de Coleta.
Sendo,
i
d : distncia Euclidiana ao ponto de coleta i
(2.6)
( ) ( ) ( )
ik k i i i
I I I I I I d + + + = ' ... ' '
2 2 1 1
( ) ( ) ( )
2 2
2 2
2
1 1
' ... ' '
ik k i i i
I I I I I I d + + + =
(2.7)
35
ik
I : RSSI armazenado no Mapa correspondente ao ponto de coleta i e Estao Base k
k
I ' : RSSI lido pelo dispositivo mvel correspondente Estao Base k
Em seguida, o algoritmo seleciona os n pontos de coleta mais prximos. Da o nome
K-Nearest Neighbor. Ento, a localizao inferida por meio do clculo da mdia
ponderada das n coordenadas mais prximas, tendo como peso o inverso da
distncia
i
d / 1 . Como conseqncia deste clculo, para um nmero de vizinhos
maior que 1, a localizao estimada pode estar em uma coordenada que no seja
um ponto de coleta. Este procedimento ilustrado na figura 9.
Figura 9 Exemplificao do Mtodo KNN para 3 vizinhos
Caso seja escolhido apenas um vizinho, a localizao inferida ser simplesmente a
mesma do ponto de coleta mais prximo.
Os algoritmos do tipo KNN requerem pouco esforo durante a etapa de treinamento.
Entretanto, apresentam elevado custo computacional para realizarem a classificao
de um novo exemplo, dado que, esse exemplo dever ser comparado com todos os
fingerprintings contidos na Base de Dados (LOIOLA, 2009).
36
2.3.2 Redes Neurais Artificiais
As redes neurais artificiais so compostas de elementos simples, operando em
paralelo. Esses elementos so inspirados no sistema nervoso biolgico (MORAES,
2000). Como na natureza, as conexes entre os elementos so fatores
determinantes da funo da rede. As redes neurais so treinadas, de modo que uma
determinada entrada conduza a uma sada especfica conhecida como alvo
(target). O processo de treinamento envolve o ajuste dos valores das conexes
(pesos) entre os elementos da rede. Estes ajustes so realizados tomando como
base a comparao da sada da rede com o alvo correspondente ao resultado
esperado (COUTO, 2008). A figura 10 ilustra essa situao.
Figura 10 Representao do ajuste dos pesos em uma Rede Neural
Fonte: Beale et al. (2008)
Os componentes internos da rede so chamados de neurnios. H trs distintas
operaes bsicas que ocorrem em um neurnio. Primeiro, a entrada escalar p
multiplicada por um valor escalar: o peso w. Ento, o produto escalar wp somado
a uma entrada de polarizao escalar b, chamada bias. Em seguida, o resultado
passado como argumento para a funo de transferncia do neurnio que produz a
sada a. Este modelo apresentado na figura 11. Durante o treinamento, uma rede
Sada
Rede Neural
incluindo conexes
(chamadas pesos)
entre os neurnios
Compara
Entrada
Alvo
(Target)
Ajuste dos
pesos
(weights)
37
neural reajusta os valores de w e de b de modo a produzir sadas mais coerentes
com os dados de treinamento (COUTO, 2008).
Figura 11 Representao de um neurnio Simples
Fonte: Beale et al. (2008)
Um neurnio pode possuir mltiplas entradas. Neste caso, cada neurnio contm
uma matriz W que ser multiplicada ao vetor de entrada p produzindo o vetor Wp. O
parmetro passado para a funo de transferncia do neurnio a soma dos
elementos do vetor Wp somado entrada de polarizao b. A expresso desta
soma pode ser representada como Wp + b (BEALE, 2010). A figura 12 ilustra o
processo.
Figura 12 Neurnio com mltiplas entradas
Fonte: Beale et al. (2008)
Um neurnio , portanto, constitudo de um peso, de um bias e de uma funo de
transferncia. Quando dois ou mais neurnios processam a mesma entrada, este
conjunto de neurnios conhecido como camada de rede. Neste caso, cada
neurnio possui uma matriz de peso W (que conecta o neurnio a todas as entradas)
e um erro de bias b. A sada da camada o vetor a formado pelas sadas de cada
38
neurnio (BEALE, 2010). A figura 13 exemplifica este processo para R elementos no
vetor de entrada e S neurnios na camada.
Figura 13 Representao de uma camada com mltiplas entradas e mltiplos neurnios
Fonte: Beale et al. (2008)
Uma rede pode, ainda, ter vrias camadas. Cada camada tem sua prpria matriz de
peso W, um vetor b, e um vetor de sada a. Cada camada trabalha como uma
camada simples, empregando as sadas de suas camadas precedentes como seu
vetor de entrada. Para melhor visualizao dos elementos de cada camada, utiliza-
se um ndice, sobre o elemento, indicando a que camada este pertence.
Numa rede neural com mltiplas camadas, nomes especficos so dados a alguns
elementos da rede. A camada que produz a sada da rede denominada de camada
de sada (do ingls, output layer). Todas as demais camadas so denominadas
camadas escondidas (do ingls, hidden layer) (CALOTTI, 2010).
Na figura 14 apresentada uma rede com mltiplas camadas. Neste exemplo, a
rede neural formada por trs camadas em srie. A primeira camada possui R
1
entradas e S
1
neurnios. A segunda camada possui S
1
entradas, pois utiliza o vetor
de sada da camada 1 como entrada, e S
2
sadas. E a terceira possui S
2
entradas e
S
3
sadas. Neste caso a camada 3 a camada de sada, enquanto que as camadas
1 e 2 so as camadas escondidas.
39
Figura 14 Representao de uma rede com 3 camadas
Fonte: Beale et al. (2008)
O nmero de camadas, algoritmos de treinamento, o nmero de neurnios e demais
caractersticas da rede neural implementada para o problema de localizao so
apresentadas no captulo 3 desta monografia.
40
3 SISTEMA DESENVOLVIDO
3.1 A TECNOLOGIA ZIGBEE
A ZigBee
so: baixo consumo de energia (apenas 50 mA de corrente quando ativo e menos
de 50 A quando em modo sleep), baixo custo e alta versatilidade da topologia de
rede (Pode-se trabalhar com topologias rvore, estrela e malha).
O fator decisivo para a escolha de dispositivos ZigBee
apresenta diversas outras vantagens como: possibilidade de configurao
automtica da rede, endereamento dinmico de mdulos escravos, controle total
por handshaking nas transferncias de pacotes, garantindo maior integridade dos
dados e possibilidade de utilizao de criptografia AES de 128 bits (HEILE, 2005).
Alm dos fatores citados, o protocolo ZigBee
possuem um rdio
transmissor/receptor IEEE 802.15.4 e um microcontrolador com camada MAC
embarcada em seu firmware. A figura 15 mostra as vrias camadas da arquitetura
da tecnologia ZigBee
muito atraente,
apresentando baixo custo, baixo consumo de energia, transferncia de dados
41
confivel e fcil implementao (SRBINOVSKA, 2008). A utilizao das
especificaes da IEEE 802.15.4, possibilitou ZigBee Aliance concentrar-se nas
questes de projeto relacionadas de rede, camadas de segurana e aplicaes.
Figura 15 Estrutura do Padro Zigbee
Fonte: Srbinovska et. al. (2008)
A camada fsica definida pela norma IEEE 802.15.4 foi projetada para fornecer um
alto grau de integrao pela utilizao da transmisso de Seqncia Direta (DSS)
que possibilita a utilizao de equipamentos muito mais simples e implementaes
mais baratas (CARVALHO, 2006). A camada MAC permite mltiplas topologias de
baixa complexidade e baixo consumo, utilizando pouca memria de programao
para a reduo dos custos agregados (BAUMANN, 2006). Esta camada permite
tambm o controle de um grande nmero de dispositivos com operaes
relativamente simples.
42
3.2 O MDULO XBee
Para este projeto optou-se pela utilizao dos mdulos XBee
da MaxStream. A
figura 16 apresenta o mdulo utilizado. Estes mdulos apresentam baixo custo,
simplificada configurao da rede e possibilitam fcil acesso informao de RSSI.
Figura 16 Mdulo XBee
da MaxStream
utilizado no projeto.
3.2.1 Caractersticas
As principais caractersticas relativas ao desempenho e especificaes eltricas dos
mdulos XBee
XBeePro
Alcance Indoor 30m 90m
Alcance Outdoor em visada direta 90m 1500m
Potncia Mxima de transmisso 1mW (0 dBm) 63mW (18 dBm)
Taxa de dados de RF 250 Kbps 250 Kbps
Sensibilidade do Receptor -92 dBm -100dBm
Foram utilizados para este projeto quatro mdulos, sendo trs XBee-Pro
e um
XBee, todos da Srie 1. Um dos mdulos XBeePro teve de ser conectado a um
computador porttil para a aquisio dos dados. Para realizar o interfaceamento
entre o mdulo e a porta USB do computador, utilizou-se a placa CON-USBBEE,
apresentada na figura 17, da empresa ROGERCOM
(www.rogercom.com). Esta
43
placa utiliza um driver para simular uma porta serial por meio de uma porta USB,
esta porta simulada chamada de porta serial virtual.
Figura 17 Vista superior da Placa CON-USBBEE utilizada com XBeePro conectado
O mdulo conectado ao computador mvel designado n mvel e os demais so
chamados Estaes Base. Com o intuito de receber alimentao adequada, os
mdulos das estaes base foram conectados a placas desenvolvidas pela prpria
MaxStream
Fonte: Datasheet XBee MaxStream
(2010)
Existem trs tipos de antena para serem utilizadas com os mdulos XBee
e
XBeePro: antenas do tipo monoplo (whip), antenas do tipo dipolo e antenas do tipo
chip. A antena do tipo monopolo e do tipo chip possuem um ganho de 1,5 dBi
enquanto antenas do tipo dipolo apresentam 2,1 dBi. Segundo o fabricante (XBee &
XBeePRO, 2010), antenas whip apresentam a vantagem de maior alcance somente
para ambientes externos. De forma que, em ambiente internos, os fatores decisivos
para a escolha do tipo de antena esto no tamanho, custo e padro de radiao. A
44
figura 19 apresenta os padres de radiao para antenas dos tipos whip, dipolo, e
chip conectadas a um XBeePro (XBee & XBeePRO, 2010).
Figura 19 Padro de radiao das antenas (a) Monoplo (whip), (b) Diplo e (c) Chip
Fonte: Datasheet XBee MaxStream
(2010)
(c)
(b)
(a)
45
Para este projeto disponibilizaram-se um mdulo XBee
com
antena chip. A anlise dos padres de radiao para antenas do tipo chip mostra
que a orientao do mdulo um fator importante. Portanto, no conveniente
utilizar antenas do tipo chip no dispositivo mvel, visto que este sofrer constantes
alteraes na orientao medida que transita no ambiente. Dessa forma, optou-se
por utilizar uma antena do tipo whip para o mdulo mvel.
3.2.2 Topologias de rede
Em uma rede ZigBee
, que so: rvore, estrela e malha (DAINTERE, 2010). Para este trabalho, o
dispositivo mvel foi configurado como coordenador da rede e os demais como
dispositivos finais. A topologia de rede utilizada foi a estrela, conforme apresenta a
figura 20.
Figura 20 Topologia de rede em estrela utilizada no projeto
End Device
End Device
End Device
Coordinator
46
3.2.3 Modos de Operao do Mdulo XBee
Dispositivos XBee
e XBeePro
.
Quando operando neste modo, o mdulo trabalha como um transmissor de dados
seriais: os dados inseridos pelo pino de entrada da comunicao serial so
transmitidos via RF, e todo dado recebido via RF pela antena enviado pelo pino de
sada da comunicao serial. Dessa forma, os dados so transmitidos e recebidos
da mesma forma que uma comunicao Serial RS232 padro. Os mdulos dispe
de Buffers de transmisso e recepo para uma melhor performance na
comunicao serial (ROGERCOM, 2010).
- Modo API
Esse modo de operao baseia-se em frame e estende o nvel para o qual uma
aplicao pode interagir com as capacidades de rede do mdulo. No modo API, os
dados transmitidos e recebidos esto contidos em frames, que definem operaes
ou eventos dentro do mdulo. Este modo de operao prov benefcios como, por
exemplo, o envio de dados para mltiplos destinos sem necessidade de entrar no
modo de comando, recebimento mensagens de sucesso ou falha aps cada envio
de dados e identificao do endereo do mdulo que enviou a mensagem recebida.
O modo de operao transparente foi o escolhido para este projeto. A justificativa
para esta escolha baseia-se na simplicidade de operao neste modo e na
possibilidade de acesso facilitado informao de RSSI.
47
3.3 CRIAO DA REDE ZIGBEE
A criao da rede ZigBee
para uma estao mvel
3.4 CENRIO DE TESTES
Os algoritmos de inferncia de localizao desenvolvidos neste projeto enquadram-
se na classe dos que utilizam fingerprintings. Por este motivo, necessrio que seja
pr-estabelecido um ambiente para que sejam realizadas aquisies experimentais
das intensidades de sinal recebido. O cenrio de teste escolhido, ilustrado na figura
22, corresponde a uma residncia com aproximadamente 100m de rea total
edificada. Estabeleceu-se, ento, um ponto de coleta por metro quadrado de rea do
ambiente. Estes pontos de coleta correspondem s intersees do grid (malha) de
aquisio conforme ilustrado na figura. apresentando ainda o posicionamento
escolhido para as Estaes Base e as identificaes (etiquetas) de cada um dos 11
cmodos. Em alguns pontos do ambiente, no foi possvel realizar a aquisio de
sinal devido presena de obstculos, como camas, armrios, etc. O apndice A
(b)
(a)
49
apresenta com mais detalhes a delimitao dos cmodos, indicando as coordenadas
correspondentes a cada cmodo e os locais fisicamente inacessveis.
Figura 22 Cenrio de testes
O critrio para posicionamento das estaes base se fundamentou em testes
empricos. Foram feitas experimentaes com as estaes localizadas nas
extremidades da casa, formando um tringulo retngulo. Entretanto, o grande
nmero de obstculos e a extenso do ambiente faziam com que a comunicao
com a estao mvel se perdesse para alguns pontos de coleta. Dessa forma,
1
2 3 4
5
6 7 8 9 10 11
1
2
3
4
5
6
7
8
9
x x x x x x
x x x x x x x x x x x
x x x x x
x x x x x x x x x
x x x x x x x
x x x x x x x x x
x
x x
BANHEIRO
QUARTO 2
QUARTO 3
V
A
R
A
N
D
A
F
R
E
N
T
E
x x x x x
x x x x x
x x x x x x x x x
x
x
COZINHA
COPA
QUARTO 1
SALA
CORREDOR INTERNO
CORREDOR EXTERNO
VARANDA LATERAL
x
x x
x
: Estaes Base
x : Pontos de coleta
50
optou-se por posicion-las nas regies mais centrais do cenrio e com maior
probabilidade de se encontrar um indivduo. A altura estabelecida para a fixao
destas estaes foi de 1,50m. A tabela 3 traz informaes importantes sobre o
posicionamento, tipos de mdulos e antenas utilizadas nas estaes.
Tabela 3 Posicionamento, tipos de mdulos e antenas das estaes
x y Cmodo Tipo de Mdulo Antena
Estao Base B 2,8 5,8 Quarto 2 XBeePro Whip
Estao Base C 4,8 7,0 Copa XBeePro Chip
Estao Base D 10,0 6,2 Sala XBee Whip
Estao Mvel Varivel Varivel XBeePro Whip
Segundo (PAVANI, 2010), o nmero de amostras para representar
significativamente uma populao deve ser superior a 30. Ento, convencionou-se a
aquisio de 50 amostras de RSSI para cada ponto de coleta. Chama-se de
amostra, um vetor com as coordenadas do ponto de coleta e com as trs
informaes de RSSI recebidas: uma em relao a cada estao base. A tabela 4
consiste de um quadro resumo do processo de medidas experimentais. Durante a
fase de aquisio dos dados, todas as janelas e portas do ambiente permaneceram
abertas e o fluxo de pessoas foi relativamente baixo (com presena de, no mximo,
duas pessoas no ambiente).
Tabela 4 Caractersticas do processo de aquisio dos dados
CMODO
Etiqueta
numrica
do
cmodo
m
N
o
de
pontos de
coleta
N
o
de amostras
por ponto de
coleta
Nmero total
de amostras
Varanda frente 1 6 6 50 300
Varanda lateral 2 11 11 50 550
Corredor externo 3 4 4 50 200
Cozinha 4 9 6 50 300
Copa 5 9 9 50 450
Quarto 1 6 9 6 50 300
Banheiro 7 6 1 50 50
51
Corredor interno 8 3 3 50 150
Quarto 2 9 11,5 8 50 400
Quarto 3 10 10,2 7 50 350
Sala 11 18,5 11 50 550
TOTAL - 97,2 72 50 3600
3.5 SOFTWARE DE AQUISIO DOS DADOS
Foram realizados testes com o hyperterminal do software XCTU com o intuito de se
determinar a forma de acesso informao de intensidade de sinal recebido.
Operando em modo transparente, existem dois comandos retornam informaes de
RSSI, o comando ATDB e o ATND, sendo que o primeiro apresenta o inconveniente
de informar a potncia recebida de apenas um n. De modo geral, o comando ATND
utilizado para descobrir e relatar todos os ns presentes na rede. Ao se enviar este
comando, so retornadas as informaes de Endereo de Fbrica, Parte alta do
Endereo do dispositivo, Parte baixa do endereo do dispositivo, Intensidade do
sinal recebido alm de caracteres da tecla return. O tempo de resposta a este
comando pode ser configurado ao se programar o dispositivo pelo software XCTU.
Os valores de RSSI retornados variam de -40 dBm a sensibilidade do mdulo. Estas
intensidades esto em valores absolutos e so retornadas no formato hexadecimal.
Dessa forma, um valor de RSSI recebido de 0x58 equivale a uma potncia de -88
dBm. Caso nenhum pacote de informao tenha sido recebido at o limite do tempo
estabelecido na configurao do dispositivo, o valor 0x00 retornado
(MAXSTREAM, 2010). A figura 23 apresenta um esquemtico do fluxo de dados
para o sistema de localizao proposto. importante observar que, ao se enviar um
comando ATND a partir da Estao Mvel, so retornadas informaes de
endereos, potncia e identificador de cada uma das estaes base presentes na
rede.
52
Figura 23 Fluxo de dados entre a estao mvel e as estaes base
Apesar do software XCTU possibilitar a comunicao com o mdulo XBEE, as
informaes recebidas so apenas exibidas no terminal do programa e no
possvel armazen-las em disco, a no ser copiando-as individualmente. Tendo em
vista que esta ltima opo seria uma tarefa dispendiosa devido ao grande volume
de dados necessrios ao sistema, desenvolveu-se, em linguagem C, um software de
aquisio e armazenamento de dados. Este software foi desenvolvido utilizando-se o
compilador LabWindows CVI
da National Instruments
. A figura 24 apresenta a
interface do software.
Estaes
Base
Estao Mvel
Endereos
RSSIs
Identificadores
Comando ATND
53
Figura 24 Interface grfica do software desenvolvido para aquisio dos dados
Os pontos vermelhos representados na interface correspondem s estaes base
B, C e D. Ao iniciar-se o programa, caso a comunicao com as estaes base
seja possvel, os pontos correspondentes na interface mudam para a cor verde. Em
caso de perda de comunicao eles retornam para a cor vermelha.
As seguintes etapas detalham o processo de aquisio de dados, utilizando o
programa desenvolvido:
1) Posiciona-se fisicamente a estao mvel em um ponto do grid de coleta
2) Preenchem-se na interface as coordenadas de coleta x e y correspondentes
ao ponto no qual se realizar a aquisio
3) Determina-se o nmero de amostras desejado para o ponto de coleta
4) Clica-se no boto Iniciar Aquisio
54
A partir desta etapa, o software inicia automaticamente a aquisio dos dados para o
ponto de coleta no qual a estao mvel foi posicionada. Assim que o nmero de
amostras escolhido tenha sido atingido, o programa armazena as informaes em
disco em uma planilha nomeada com as coordenadas especificadas na interface. Ao
trmino das aquisies para um determinado ponto de coleta, reposiciona-se a
estao mvel em outro ponto e repetem-se as etapas anteriores.
Com o intuito de se obter uma expressiva representao da potencia do sinal
recebido, determinou-se um nmero 50 amostras por ponto de coleta. A tabela 5
apresenta algumas das amostras armazenadas para a coordenada (1,1) localizada
no cmodo Varanda. importante ressaltar que os valores de RSSI so retornados
pelo dispositivo XBee
em valor absoluto.
Tabela 5 Alguns dos valores armazenados para a coordenada (1,1) utilizando-se o software
desenvolvido
X Y RSSI B RSSI C RSSI D HORA MIN SEG DIA MS ANO
1 1 60 80 69 19 16 49 02 11 2010
1 1 60 82 67 19 16 52 02 11 2010
1 1 60 82 69 19 16 54 02 11 2010
1 1 60 82 67 19 16 56 02 11 2010
1 1 60 79 66 19 16 58 02 11 2010
1 1 63 80 69 19 17 00 02 11 2010
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 1 60 82 68 19 18 22 02 11 2010
1 1 59 80 67 19 18 24 02 11 2010
1 1 57 76 72 19 18 26 02 11 2010
1 1 60 79 67 19 18 28 02 11 2010
O programa desenvolvido constitudo basicamente das funes:
- Iniciar Aquisio, requisitada ao clicar no boto de mesmo nome na
interface. Seu principal atributo fazer uma comunicao inicial com o
modem e verificar se este est apto para iniciar o processo de comunicao
com outros ns;
55
- Descobrir ns da rede ativada por temporizao a cada 2 segundos.
responsvel principalmente pelo envio do comando ATND para varredura
dos ns e requisio dos valores de RSSI;
- Interrupo da porta serial, ocorre toda vez que o XBee
da estao mvel
envia algum caractere para o computador a ele conectado via porta serial
virtual. responsvel pelo recebimento das informaes de RSSI;
- Tratamento e armazenagem, esta funo chamada dentro da rotina de
interrupo. responsvel pela formatao dos dados e armazenamento em
disco em arquivo do tipo planilha.
O apndice B apresenta os fluxogramas correspondentes ao algoritmo do programa
desenvolvido. Nele so descritos os processos envolvidos em cada uma das funes
acima apresentadas.
56
3.6 IMPLEMENTAO DOS ALGORITMOS DE INFERNCIA DE
LOCALIZAO
Este projeto implementa e analisa os resultados para os classificadores KNN e
Redes Neurais Artificiais fundamentados na anlise de cenrio por fingerprintings.
Os algoritmos foram desenvolvidos no software Matlab
implementada em ambiente indoor, foram realizadas diversas aquisies
experimentais. Para estas experimentaes, posicionou-se uma estao na
coordenada (1,1) no cmodo VARANDA_FRENTE e as intensidades de sinal foram
medidas em relao s estaes base B, C e D. A figura 39 mostra as variaes
temporais, em mdulo, do sinal para um total de 50 amostras a uma taxa de uma
amostra por segundo para a coordenada citada. O eixo horizontal corresponde ao
tempo e o vertical ao mdulo do RSSI em dBm.
70
Figura 39 Variao temporal do RSSI na coordenada (1,1) para um total de 50 amostras.
Os resultados para o mesmo experimento repetido para a coordenada (10,6)
localizada na COPA apresentado na figura 40.
Figura 40 Variao temporal do RSSI na coordenada (10,6) para um total de 50 amostras
Traaram-se, ento, as distribuies de probabilidade dos valores de RSSIs medidos
nas coordenadas citadas. Os histogramas dos valores de RSSI em relao a cada
uma das estaes base esto apresentados nas figuras 41 a 46. As curvas
35
45
55
65
75
85
1 3 5 7 9 1113151719212325272931333537394143454749
(x,y) = (1, 1)
Estao Base B Estao Base C Estao Base D
35
40
45
50
55
60
65
70
75
80
85
1 3 5 7 9 1113151719212325272931333537394143454749
(x,y) = (10, 6)
Estao Base B Estaao Base C Estao Base D
71
vermelhas correspondem a uma funo densidade de probabilidade gaussiana que
foram traadas apenas para realizar uma comparao com o comportamento do
sinal. Percebe-se que, na maioria dos casos, tal funo no modela adequadamente
a distribuio de potncia. A procura por uma funo densidade de probabilidade
que mais se ajuste aos dados recolhidos seria necessria para uma soluo com
abordagem probabilstica, como este no o escopo deste projeto no ouve
necessidade de realizar tal busca.
Figura 41 Histograma do RSSI para a estao mvel na coordenada (1,1) em relao estao
base B
Figura 42 Histograma do RSSI para a estao mvel na coordenada (1,1) em relao estao
base C
72
Figura 43 Histograma do RSSI para a estao mvel na coordenada (1,1) em relao estao
base D
Figura 44 Histograma do RSSI para a estao mvel na coordenada (10,6) em relao estao
base B
73
Figura 45 Histograma do RSSI para a estao mvel na coordenada (10,6) em relao estao
base B
Figura 46 Histograma do RSSI para a estao mvel na coordenada (10,6) em relao estao
base B
74
A tabela 6 apresenta um resumo das principais caractersticas estatsticas para os
testes realizados nas coordenadas (1,1) e (10,6). A linha Amplitude na tabela
apresentada corresponde diferena entre o maior e o menor valor de RSSI lido
para aquela estao base na coordenada citada. Verifica-se que, para as
coordenadas da tabela, a moda e a mediana apresentam, coincidentemente, os
mesmos valores.
Tabela 6 Principais indicadores de disperso para os valores de RSSI medidos nas coordenadas
(1,1) e (10,6)
(1,1) (10,6)
Estao Base: B C D B C D
Amplitude: 7 21 6 1 20 5
Mdia: 60,40 80,78 67,88 67,84 42,32 50,90
Mediana 60 82 68 68 42 51
Moda 60 82 68 68 42 51
Varincia 1,39 8,75 1,17 0,14 6,96 0,5
Desvio Padro 1,18 2,96 1,08 0,37 2,64 0,707
Apesar de neste trabalho a mdia ter sido utilizada como o escalar representante do
RSSI dos pontos de coleta, as demais caractersticas estatsticas apresentadas na
tabela tambm poderiam ser utilizadas.
4.1.2 Variao do RSSI com a distncia
Para analisar o comportamento do RSSI em funo da distncia foi realizado um
experimento em ambiente aberto. Manteve-se um mdulo XBee
em uma posio
fixa e foram recolhidos valores de RSSI a distncias predeterminadas. Em cada
ponto foram realizadas 30 aquisies. A mdia e o desvio padro do RSSI do sinal
para o experimento citado so apresentados na tabela 7. O grfico da figura 47
apresenta as mdias do RSSI em funo da distncia alm da linha de tendncia
dos valores.
75
Tabela 7 Mdias e desvio padro dos valores de RSSI para as distncias indicadas
d (m) RSSI (dBm)
0,5 -38,71 1,81
1 -48,71 1,85
2 -53,07 1,14
3 -52,28 0,46
4 -56,00 1,11
5 -57,92 1,26
6 -54,5 0,85
7 -61,43 1,39
8 -58,28 1,06
9 -59,07 0,82
10 -56,78 0,42
12 -61,07 0,91
15 -63,21 0,42
23 -71,00 1,11
25 -75,00 1,61
Figura 47 Relao entre RSSI e distncia entre receptor e transmissor
76
Como possvel perceber, os testes confirmam que, para um ambiente sem
obstculos, o sinal tem sua intensidade reduzida medida que a distncia entre
transmissor e receptor aumenta. Entretanto, verifica-se que mesmo para um
ambiente sem obstculos o comportamento do sinal no se d exatamente como o
terico apresentado pela equao 2.5. Isso se deve aos diversos fatores
apresentados no Captulo 2.
4.1.3 Variao do RSSI com a presena de obstculos
Para verificao da influncia de diferentes tipos de obstculos na propagao do
sinal, dois mdulos XBeePro foram distanciados de 1 m e diferentes tipos de
material foram inseridos entre eles. A figura 48 apresenta os resultados. A referncia
0 dBm do grfico foi obtida subtraindo-se o valor sem obstculos dos outros casos
com obstculos. Todos os obstculos possuam as mesmas dimenses (chapas de
2x2 metros).
Figura 48 Valores de atenuao para obstculos de diferentes materiais
0
2
4
6
8
10
12
14
16
18
Madeira (1cm) Papel Alumnio Tecido Madeira(6cm) Parede (15cm)
A
t
e
n
u
a
o
(
d
B
m
)
77
4.2 ANLISE DAS AQUISIES DE RSSI PARA O CENRIO DE TESTES
A figura 49 apresenta uma representao cromatogrfica, onde, para cada metro
quadrado do ambiente foi atribuda uma cor correspondente mdia de intensidade
de sinal recebido naquele ponto de coleta em relao estao base B. Pontos com
maiores intensidades de sinal apresentam cores mais amareladas e pontos com
menores valores apresentam cores mais avermelhadas. Dessa forma, fcil
observar que pontos mais prximos da Estao Base B possuem maiores valores de
RSSI, como o caso da coordenada (3,6) (mais amarelado), e pontos mais
distantes, ou com muitos obstculos menores valores de RSSI (mais avermelhados).
Para a representao cromatogrfica em relao Estao Base C e D foram
atribudas, respectivamente, tonalidades de azul e verde, conforme apresentado nas
figuras 50 e 51. Os locais de cor preta representam pontos fisicamente inacessveis
onde no foi possvel realizar aquisies de RSSI. As posies das Estaes Base
esto assinaladas por crculos.
78
Figura 49 Representao cromatogrfica de mapa de RSSI em relao Estao Base B
Figura 50 Representao cromatogrfica de mapa de RSSI em relao Estao Base C
79
Figura 51 Representao cromatogrfica de mapa de RSSI em relao Estao Base D
A construo das representaes cromatogrficas do RSSI permitiu a visualizao
de como a presena de obstculos e a distncia entre a estao base e a estao
mvel interferem na intensidade do sinal. Dessa forma, devido ao comportamento do
sinal na presena de obstculos, conclui-se que, em um ambiente indoor, no se
pode inferir a distncia entre as estaes simplesmente pelo equacionamento
apresentado na seo 2.2.1. Por este motivo a soluo implementada deve ser
baseada em fingerprintings.
As figuras 49 a 51 auxiliaram ainda na determinao de qual estao base seria
excluda para realizar a implementao do sistema com apenas duas estaes base.
Optou-se por excluir a estao D por ser a que apresentava, mesmo para pontos de
coleta distantes, valores de RSSI muito semelhantes.
80
4.3 ANLISE DO FINGERPRINTING PARA O CENRIO DE TESTES
Para se realizar uma representao cromatogrfica das intensidades de sinal
recebidas em relao s trs estaes base em um nico mapa, desenvolveu-se um
algoritmo onde, a cor de determinado ponto de coleta composta por diferentes
intensidades das cores primrias: vermelho, verde e azul (sistema RGB). Ento,
atribuiu-se a cor vermelha s intensidades de sinal em relao estao base B, a
cor azul em relao estao base C e a cor verde em relao estao base D.
As intensidades das componentes RGB variam de 0 a 255, enquanto a variao de
RSSI est na faixa de -80 dBm a -30 dBm. O algoritmo desenvolvido faz a converso
dos valores de RSSI em cada ponto para as intensidades das cores RGB
correspondentes. Dessa forma, um ponto de coleta muito azul, por exemplo, indica
que, naquela coordenada, o sinal proveniente da estao base C chega com maior
intensidade do que o sinal das demais estaes. A figura 52 apresenta a
representao cromatogrfica obtida. Esta figura uma boa representao visual do
fingerprinting do cenrio. Cores semelhantes em coordenadas distintas indicam que
os fingerprinting desses dois pontos so parecidos. Assim sendo, durante a fase de
estimativa de localizao, o algoritmo de inferncia apresenta maior probabilidade de
confundir-se entre estes pontos devido s suas similaridades.
Alm da representao cromatogrfica citada, como ferramenta alternativa para a
anlise dos dados adquiridos, foi gerado o grfico da figura 53. Nela, os dados esto
tridimensionalmente dispostos, sendo que cada eixo corresponde aos valores de
RSSI lidos em relao determinada estao base. Cada ponto do grfico equivale
a uma medio de RSSI. As cores representam os cmodos. Para fins de
simplificao visual, esto representados apenas alguns cmodos. O mapa
tridimensional completo do cenrio de teste, com a representao de todos os
ambientes, encontra-se no apndice E. Esta figura de grande utilidade, pois facilita
a visualizao da forma como os valores para cada cmodo (classes) esto
agrupados. Pelo grfico possvel perceber, por exemplo, que cmodos vizinhos
possuem valores espacialmente muito prximos, no sendo tarefa fcil estabelecer
uma fronteira definida entre as classes.
81
Figura 52 Representao cromatogrfica do fingerprinting do cenrio. As cores vermelho, azul e
verde correspondem s estaes base B, C e D respectivamente.
Figura 53 Representao tridimensional dos valores de RSSI para alguns cmodos
: Varanda Frente
: Quarto 2
: Quarto 3
: Copa
: Sala
B
C
D
82
4.4 RESULTADOS PARA ABORDAGEM POR CMODO
Para avaliao de desempenho dos classificadores com abordagem por cmodo,
utilizou-se a taxa de acerto, que o nmero de estimativas corretas do cmodo
dividido pelo nmero total de testes. A tabela 8 resume as taxas de acerto obtidas
para os diversos tipos de classificador KNN desenvolvidos. Os resultados
apresentados foram obtidos aplicando-se validao cruzada. Os resultados para o
sistema com memria consideram a mdia da taxa de acerto para cada um dos 10
percursos criados. Tabelas mais detalhadas, apresentando os resultados de cada
um dos testes e os valores das taxas de acerto para os percursos individuais, so
apresentadas no apndice F.
Tabela 8 Taxas de acerto do classificador KNN com abordagem por cmodo
CLASSIFICADOR
KNN
ABORDAGEM POR CMODO
3 ESTAES BASE 2 ESTAES BASE
1
Sem memria Com memria Sem memria Com memria
Euclidiana: 68,08% 92,57% 50,86% 62,04%
Manhattan: 65,86% 92,48% 49,83% 59,23%
As taxas de acerto para os classificadores por Redes Neurais Artificiais com
abordagem por cmodo so apresentadas na tabela 9. Na linha nmero de
neurnios, o primeiro nmero corresponde ao nmero de neurnios na camada
escondida.
Tabela 9 Taxas de acerto do classificador RNA com abordagem por cmodo
CLASSIFICADOR
RNA
ABORDAGEM POR CMODO
3 ESTAES BASE
N de neurnios: 300-11 350-11 100-70-11
Taxa de acerto: 82,91% 84,03% 84,02%
1
Utilizou-se as estaes base B e C
83
4.5 RESULTADOS PARA ABORDAGEM POR COORDENADA
Com o intuito de se escolher a melhor abordagem a ser utilizada (por cmodo ou por
coordenada), foram calculadas as taxas de acerto da abordagem por coordenada
com 3 estaes base, conforme apresenta a tabela 10.
Tabela 10 Taxas de acerto do classificador RNA com abordagem por coordenada
CLASSIFICADOR
RNA
ABORDAGEM POR COORDENADA
3 ESTAES BASE
N de neurnios: 3-100-2 3-200-2 3-300-2
Taxa de acerto: 91,25% 92,22% 87,22
Comparando-se a tabela 9 com a tabela 10 percebe-se que os resultados da
abordagem por coordenada foram melhores. Procedeu-se, ento, a avaliao da
preciso do estimador com abordagem por coordenada calculando-se o erro na
estimativa de localizao. Este erro consiste na distncia (em metros) entre a
coordenada estimada e a posio real da estao mvel.
As figuras 54 e 55 ilustram a frequncia de ocorrncia do erro (normalizada) para os
algoritmos KNN com duas e trs estaes base, respectivamente. Percebe-se que,
aproximadamente 85% das estimativas apresentaram erros menores ou iguais a 1
metro, quando se utiliza 3 estaes base, contra aproximadamente 70% quando se
utiliza 2 estaes base.
Figura 54 Histograma normalizado do erro na estimativa de localizao com o classificador KNN
com 3 estaes base
0,00
0,20
0,40
0,60
0,80
1,00
0 1 2 3 4 5 6 7 8 9 10 11 12
O
c
o
r
r
n
c
i
a
Erro na estimativa de localizao (m)
KNN 3 Estaes Base
84
Figura 55 Histograma normalizado do erro na estimativa de localizao com o classificador KNN
com 2 estaes base
A frequncia de ocorrncia do erro para os algoritmos RNA com duas e trs
estaes base apresentada nas figuras 56 e 57, respectivamente. Os resultados
referem-se rede com 200 neurnios na camada escondida. Percebe-se que,
aproximadamente 80% das estimativas apresentaram erros de at 1 metro, quando
se utiliza 3 estaes base, contra aproximadamente 55% quando se utiliza 2
estaes base.
Figura 56 - Histograma normalizado do erro na estimativa de localizao com o classificador RNA
com 3 estaes base
0,00
0,20
0,40
0,60
0,80
0 1 2 3 4 5 6 7 8 9 10 11 12
O
c
o
r
r
n
c
i
a
Erro na estimativa de localizao (m)
KNN 2 Estaes Base
0,00
0,20
0,40
0,60
0,80
1,00
0 1 2 3 4 5 6 7 8 9 10 11 12
O
c
o
r
r
n
c
i
a
Erro na Estimativa de localizao (m)
RNA 3 Estaes Base
85
Figura 57 - Histograma normalizado do erro na estimativa de localizao com o classificador RNA
com 2 estaes base
O grfico da figura 58 apresenta as funes de distribuio cumulativas do erro na
estimativa de localizao para os classificadores do tipo RNA e KNN com duas e
trs estaes base.
Figura 58 - Distribuio cumulativa de probabilidade de erro na estimativa de posio
Este grfico pode ser analisado da seguinte maneira: por exemplo, para o
classificador RNA com 2 estaes base, erros de estimativa menores que 2 metros
so apresentados em 80% dos testes. Por outro lado, para o mesmo classificador,
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0 1 2 3 4 5 6 7 8 9 10 11 12
O
c
o
r
r
n
c
i
a
Erro na estimativa de posio (m)
RNA 2 Estaes Base
0,00
0,20
0,40
0,60
0,80
1,00
0 1 2 3 4 5 6 7 8 9 10 11
P
r
o
b
a
b
i
l
i
d
a
d
e
Erro na estimativa de localizao (m)
KNN 2 EB
KNN 3 EB
RNA 3 EB
RNA 2 EB
86
porm com 3 estaes base, erros menores que 2 metros foram obtidos em 92%
dos testes. Isso mostra a influncia do nmero de estaes base em um sistema de
localizao. Se forem analisados algoritmos diferentes, mas com o mesmo nmero
de estaes base, possvel perceber que, para erros menores que 1,75m, o
algoritmo KNN apresentou melhor desempenho, por outro lado, se forem admitidos
erros maiores que 1,75m os resultados para Rede Neural foram melhores.
A tabela 11 apresenta os valores de 50, 75 e 90 percentil da distribuio cumulativa
do erro de localizao em metros.
Tabela 11 Valores de 50, 75 e 90 percentil da distribuio cumulativa do erro de localizao
Classificador
Percentil Erro
Maximo
Mdia
50 75 90
KNN 2EB 0,00 2,24 5,09 10,63 1,39
KNN 3EB 0,00 0,00 2,23 10,63 0,59
RNA 2EB 0,69 1,77 3,32 7,90 1,26
RNA 3EB 0,55 0,91 1,77 6,82 0,81
A partir da tabela 11 e do grfico da figura 58 conclui-se que o classificador por
Redes Neurais, com abordagem por coordenada, com 3 estaes base foi o que
apresentou o menor erro mximo e erros abaixo de 1,75 metros para 84% dos
testes. importante ressaltar que estes resultados esto associados ao fato de os
pontos de coleta estarem distanciados de 1 metro. Diferentes espaamentos entre
os pontos de coleta poderiam acarretar em diferentes resultados.
87
5 CONCLUSES
Este trabalho teve como objetivo o desenvolvimento de um sistema de localizao
para ambiente fechado baseado na informao de intensidade de sinal recebido em
uma rede ZigBee
, Dissertao,
Universidade tcnica de Lisboa, Lisboa, Portugal, 2008
BARROS, R. Q. Uma aplicao de localizao baseada na comunicao de
rdio para redes de sensores sem fio, Dissertao, Universidades Federal de
Minas Gerais, Belo Horizonte, MG, 2004
NUNES, B. A. A. Um sistema de localizao para redes WI-FI baseado em nveis
de sinal e modelo referenciado de propagao, Dissertao, Universidade
Federal do Rio de Janeiro, Rio de Janeiro, RJ, 2006
JIMNEZ, A. A. M-LOC: Real time location system for wireless mesh networks,
tese, University of Puerto Rico, 2008
BUMACHAR, E. M. N. Aquisio e transmisso sem fio de sinais ECG com uso
intermitente de transceptor, Universidade Federal do Esprito Santo, Vitria, ES,
2006
NALBANDIAN, A. Itu-r studies on spectrum management, International
Telecommunication Union, 1998.
NAJNUDEL, M. Estudo de propagao em ambientes fechados para o
planejamento de WLANs, Dissertao (Mestrado em Engenharia Eltrica) -
PONTIFCIA UNIVERSIDADE CATLICA DO RIO DE JANEIRO, Rio de Janeiro,
RJ, 2004
TEORIA DE PROPAGAO, Disponvel em: http://www.gta.ufrj.br/seminarios/
semin2003_1/miguel/Capitulo5.htm Acesso em 10 ago. 2010
MICHAEL D., An Outdoor-Indoor Interface Model for Radio Wave Propagation
for 2.4, 5.2 and 60 GHz, Msc Thesis Kings College London, 1999
90
PANDEY, S.; AGRAWAL, P. A survey on localization techniques for wireless
networks, Journal of the Chinese Institute of Engineers 29 , no. 7, 2006.
HIGHTOWER, J.; BORRIELLO, G. Location sensing techniques, Tech. report,
Intel Re-search, 2001.
LUC, A. R. Localizzazione in reti di sensori ZigBee, Torino, Itlia, 2009
MARROW, R. Site Specific Engineering Applied Microwave & Wireless, vol.11,
n3, 30-38, 1999
PAVANI, O. O poder conclusive da aleatoriedade de amostras de nmero 30.
Disponvel em: <http://www.gaussconsulting.com.br/si/site/050491> Acesso em: fev.
2011
RAPPAPORT, T.S., Factory Radio Communications, 1989
KAEMARUNGSI K; KRISHNAMURTHY P., Modeling of Indoor Positioning
Systems Based on Location Fingerprinting. in Proc. IEEE INFOCOM, 2004
BATTITI R.; BRUNATO M.; VILLANI A. Statistical learning theory for location
fingerprinting in wireless lans, Technical Report, [Online]. Disponvel em:
<http://rtm.science.unitn.it/battiti/archive/86.pdf.>, 2002
MADIGAN, D.; ELNAHRAWY, E.; MARTIN, R.P. et al., Bayesian Indoor
Positioning Systems, IEEE, 2005
BATTITI R.; BRUNATO M.; VILLANI A. Location-aware computing: A neural
network model for determinating location in wireless LANs, University of
Trento, Tech. Rep. Itlia, 2002
BAHL, P.; PADMANABHAN, V. N.; RADAR: An In-building RF-based User
Location and Tracking System, IEEE INFOCOM, vol. 2, pp. 775_784, 2000
LOIOLA, R. R. Redes Neurais Artificiais Aplicadas ao problema da Localizao
em Ambientes Fechados, Universidade de Braslia, Braslia, DF, 2009
MORAES, S. A. S.; SOUZA, P. T. C. Simulando o crebro: Redes Neurais,
Universidade Catlica de Braslia, 2000
91
COUTO, F. L.; FIGUEREDO, L. F. C. Medio de Conforto Trmico para Rede de
Automao Predial Wireless, Braslia, 2008
BEALE, H. M.; MARTIN, T. H.; DEMUTH, H. B. Neural Network Toolbox 7:
USERS GUIDE, 2010
CALOTTI, T. de A. Reconhecimento de Estados Mentais no EEG para
Aplicaes em Tecnologias Assistivas, Instituto Federal do Esprito Santo, Vitria,
ES, 2010
HEILE, Bob. ZigBee Alliance Tutorial. Disponvel em:
http://www.cs.ucdavis.edu/~aksoy/course/w06/slides/ZigBeeTutorial_05.ppt, 2005
SRBINOVSKA, M.; GAVROVSKI, C.; DIMCEV, V.; Localization Estimation System
Using Measurement of RSSI Based on ZigBee Standard, Bulgaria, 2008
CARVALHO, Paula M.; PASSARELA, Lucas; SANTOS, Daniel R. ZigBee.
Universidade de Braslia, Braslia, DF, 2006
BAUMANN, C. Tips for selecting a Media Access Controller for ZigBee
Industrial Control Designline: TechOnline Community. Disponvel
em:.<http://www.industrialcontroldesignline.com/192300912;jsessionid=QL0APYY5B
Z5A0QSNDLQCKIKCJUNN2JVN?printableArticle=true> Acesso em: ago. 2006
XBee & XBeePRO OEM RF Module Antenna Considerations Application
Notes, Disponvel em: <http://ftp1.digi.com/support/images/XST-
AN019a_XBeeAntennas.pdf> Acesso em 12 out. 2010
DAINTERE NETWORKS, Getting Started with ZigBee and IEEE 802.15.4, 2010
THONET, Gilles. ZigBee WiFi Coexistence. [S.l.], 2008.
<www.rogercom.com> Acesso em 01 jun. 2010
MAXSTREAM, XBee/XBee-PRO 2.4 RF Modules Datasheet, 2010
Leave-n-out, <http://paginas.fe.up.pt/~jcard/publicacoes/ tese_html/
node100.html#sec:_classificadores_leave-n-out> Acesso em: nov. 2010
92
NEVES, M. V. Uma (Breve) Introduo s Redes Neurais Artificiais, Instituto de
Informtica, Universidade Federal do Rio Grande do Sul
Porto Alegre, 2006
NASCIMENTO, F. N. C. Um servio para Inferncia de Localizao de
Dispositivos Mveis Baseado em Redes IEEE 802.11, Pontifcia Universidade
Catlica do Rio de Janeiro, Rio de Janeiro, 2005
93
APNDICES
94
APNDICE A
Delimitao dos Cmodos da Residncia
95
APNDICE B
Fluxogramas do Software de Aquisio Desenvolvido
CAPTURA DADOS DA INTERFACE
CRIA ARQUIVO PARA ARMAZENAR
DADOS
ABRE PORTA SERIAL VIRTUAL
LIMPA BUFFER DE RECEPO E
TRANSMISSO DA PORTA SERIAL
ENVIA OS CARACTERES +++ PELA
SERIAL
FIM
INICIALIZA VARIVEIS
INICIAR
AQUISIO
DESCOBRIR NS DA REDE
96
DESCOBRIR NS DA
REDE
L PORTA SERIAL
ENVIA OS CARACTERES ATND PELA
PORTA SERIAL
SERIAL RECEBEU
OK?
FIM
N
S
Delay 1s
ATINGIU O NMERO
DE AMOSTRAS
ESPECIFICADO?
N
S
EXIBE NA INTERFACE A
MENSAGEM FALHA NA
COMUNICAO COM O
ZIGBEE
97
INTERRUPO PORTA
SERIAL
L PORTA SERIAL
SERIAL RECEBEU
OK?
ATINGIU O NMERO
DE AMOSTRAS
ESPECIFICADO?
EXIBE NA INTERFACE A
MENSAGEM NMERO DE
AMOSTRAS ATINGIDO
FECHA ARQUIVO
FECHA PORTA SERIAL
FIM
L PORTA
SERIAL
TRATAMENTO E
ARMAZENAGEM
DOS DADOS LIDOS
N
S
N
EXIBE NA INTERFACE A
MENSAGEM FALHA NA
COMUNICAO COM O
ZIGBEE
S
98
EXIBE NA INTERFACE
OS NS QUE ESTO
INVISVEIS
CAPTURA DATA E HORA DO SISTEMA
ABRE ARQUIVO CRIADO
FIM
CONVERTE DADOS LIDOS DE
HEXADECIMAL PARA DECIMAL
TRATAMENTO E
ARMAZENAGEM DOS
DADOS LIDOS
ARMAZENA OS DADOS EM ARQUIVO DO
TIPO PLANILHA
TODOS OS NS
ESTO VISVEIS?
S
N
CRIA VETOR COM INFORMAES DE:
RSSIs, LOCAL, HORRIO E DATA
99
APNDICE C
Matriz de ponderao para a abordagem por coordenadas do sistema com memria de percursos
Tabela de Pesos
VARANDA
FRENTE
VARANDA
LATERAL
CORREDOR
EXTERNO
COZINHA COPA
QUARTO
1
BANHEIRO
CORREDOR
INTERNO
QUARTO
2
QUARTO
3
SALA
1 2 3 4 5 6 7 8 9 10 11
C
M
O
D
O
A
N
T
E
R
I
O
R
VARANDA FRENTE 1 1 1,1 100 100 100 100 100 100 100 100 100
VARANDA
LATERAL
2 1,1 1 1,1 100 100 100 100 100 100 100 1,1
CORREDOR
EXTERNO
3 100 1 1 1 100 100 100 100 100 100 1,2
COZINHA 4 100 100 1,1 1 1 100 100 100 100 100 100
COPA 5 100 100 100 1 1 100 100 100 100 100 1,1
QUARTO 1 6 100 100 100 100 100 1 1,1 1,1 100 100 100
BANHEIRO 7 100 100 100 100 100 1,25 1 1,1 100 100 1,25
CORREDOR
INTERNO
8 100 100 100 100 100 1 1 1 1 1 1
QUARTO 2 9 100 100 100 100 100 100 100 1,1 1 1,2 1,2
QUARTO 3 10 100 100 100 100 100 100 100 1 1,2 1 1,2
SALA 11 100 1,1 1,2 100 1,1 100 1,25 1,1 100 1,2 1
100
APNDICE D
Percursos criados para teste do sistema com memria
101
APNDICE E
Representao tridimensional dos valores de RSSI para todos os
cmodos
Legenda:
O - Copa
O - Corredor Externo
O - Corredor Interno
O - Cozinha
O - Sala
O - Quarto 3
O - Quarto 1
* - Varanda Frente
* - Varanda Lateral
* - Banheiro
* - Quarto 2
102
APNDICE F
Resultados parciais dos testes para aplicao de validao cruzada e
taxas de acerto para os percursos criados
ABORDAGEM POR COMDO
DISTNCIA EUCLIDIANA
Sem memria
Taxa de acerto
Teste 1 67,78%
Teste 2 67,92%
Teste 3 67,08%
Teste 4 68,47%
Teste 5 69,17%
Mdia da Taxa de Acerto: 68,08%
ABORDAGEM POR COMDO
DISTNCIA MANHATTAN
Sem memria
Mdia
Teste 1 65,83%
Teste 2 65,00%
Teste 3 64,58%
Teste 4 66,67%
Teste 5 67,22%
Mdia da Taxa de Acerto: 65,86%
ABORDAGEM POR COMDO
DISTNCIA EUCLIDIANA
Com memria
Mdia
Percurso 1 89,66%
Percurso 2 100%
Percurso 3 94,12%
Percurso 4 82,86%
Percurso 5 100%
Percurso 6 100%
Percurso 7 94,00%
Percurso 8 89,13%
Percurso 9 87,50%
Percurso 10 88,46%
Mdia da Taxa de Acerto: 92,57%
103
ABORDAGEM POR COMDO
DISTNCIA MANHATTAN
Com memria
Mdia
Percurso 1 79,31%
Percurso 2 100%
Percurso 3 94,12%
Percurso 4 88,57%
Percurso 5 100%
Percurso 6 100%
Percurso 7 94,00%
Percurso 8 97,83%
Percurso 9 87,50%
Percurso 10 88,46%
Mdia da Taxa de Acerto: 92,98%