الگوریتم موقعیت یابی شیء مبتنی بر مقیاس بندی چند بعدی و بهینه سازی برای تولید داده ژست مصنوعی

مجوز MDPI ، بازل ، سوئیس. این مقاله یک مقاله دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC توسط) توزیع شده است (https://creativeecommons. org/licenses/by/4. 0/).

داده های مرتبط

خلاصه

این کار امکان سنجی یک الگوریتم دو مرحله ای جدید برای زیرساخت ها و موقعیت یابی شی را با استفاده از مسافت های زوجی بررسی می کند. این پیشنهاد بر اساس الگوریتم های بهینه سازی ، مقیاس بندی توسط یک عملکرد و عملکردی و با حافظه محدود-برودن-فلتر-گولدفار-شانون است. ارزیابی کیفی این الگوریتم ها برای موقعیت یابی سه بعدی انجام می شود. به عنوان مرحله نهایی ، تکنیک های صاف کننده فیلتر برای تخمین مسیر ، از موقعیت های قبلاً به دست آمده اعمال می شود. این روش همچنین می تواند به عنوان یک چارچوب ژنراتور داده ژست مصنوعی مورد استفاده قرار گیرد. این چارچوب مستقل از سخت افزار است و می تواند برای شبیه سازی تخمین مسیرها از مسافت های پر سر و صدا جمع آوری شده با طیف وسیعی از سنسورها با اصلاح خصوصیات نویز مسافت های اولیه استفاده شود. این چارچوب با استفاده از سیستم فرستنده سونوگرافی تأیید می شود. نتایج نشان می دهد که این چارچوب یک رویکرد موقعیت یابی و فیلتر کردن کارآمد و ساده است ، و در عین حال که تأخیر کم دارد ، مسیر واقعی را به دنبال آن شیء موبایل بازسازی می کند. علاوه بر این ، این قابلیت ها می توانند با استفاده از الگوریتم های پیشنهادی برای تولید داده های مصنوعی مورد سوء استفاده قرار گیرند ، همانطور که در این کار نشان داده شده است ، جایی که داده های سونوگرافی مصنوعی تولید می شود.

کلمات کلیدی: موقعیت یابی زیرساخت ، موقعیت یابی شی ، مقیاس بندی چند بعدی ، بهینه سازی مسیر ، سونوگرافی ، تولید داده های مصنوعی

1. معرفی

فناوری سونوگرافی به طور گسترده ای برای موقعیت یابی شی استفاده می شود. برنامه های کاربردی مانند ناوبری ربات [1] ، ناوبری داخلی [2] ، سیستم های رابط کاربری انسان [3] ، ردیابی بدن [4] یا ردیابی-خریدهای پزشکی [5] فقط چند نمونه از بسیاری از برنامه های بالقوه مبتنی بر آنها هستندامواج اولتراسونیک.

سیستم های موقعیت یابی معمولاً مجموعه ای از گره های لنگر ثابت دارند که زیرساخت های محل را مشخص می کند. برای یافتن هدف ، عمدتا دو رویکرد متفاوت وجود دارد:

با پیدا کردن یک شیء فعال ، یکی قادر به انتشار و/یا دریافت سیگنال های اولتراسونیک است [6،7].

پیدا کردن یک شیء منفعل ، که فقط منعکس کننده موج اولتراسونیک ورودی است که توسط لنگرها ساطع می شود [8].

در گزینه جایگزین فعال ، یک گزینه استفاده از لنگرگاه ها به عنوان گیرنده و گره موبایل به عنوان انتشار سیگنال است. بر اساس زمان پرواز (TOF) یا در نشانگر قدرت سیگنال دریافت شده (RSSI) ، لنگرگاه ها فاصله خود را از جسم محاسبه می کنند [9]. گزینه دیگر استفاده از زاویه ورود (AOA) [10] است که در آن موقعیت از جهت ورود سیگنال به گیرنده بدست می آید. این کار با تکیه بر سرعت قابل پیش بینی موج اولتراسونیک در هوا ، بر مکانیسم های مبتنی بر اندازه گیری TOF ، که عموماً قوی تر و دقیق تر هستند ، متمرکز است. اگر از مکانیسم مبتنی بر TOF استفاده شود ، تمام لنگرگاه ها برای داشتن یک مرجع ساعت مشترک به یک مکانیسم همگام سازی اضافی نیاز دارند. به همین ترتیب ، نقش ها می توانند معکوس شوند و لنگرها می توانند به طور همزمان چراغها را منتقل کنند ، با گره تلفن همراه به عنوان گیرنده ، که مسافت ها را به صورت محلی محاسبه می کند. برای دستیابی به همگام سازی زمان بین گره ها ، ترکیبی از فناوری های مختلف ممکن است در همان سیستم مانند باند فوق العاده گسترده (UWB) و سونوگرافی استفاده شود [11]. یکی دیگر از رویکردهای محبوب برای جلوگیری از نیاز به مکانیسم همگام سازی محکم بین لنگرها ، استفاده از مکانیسم های دو طرفه است [12] که در آن یا گره موبایل یا لنگرها پس از مدت زمان ثابت و یک سیگنال دیگر با یک سیگنال دیگر پاسخ می دهندمسافت به یک بر اساس زمان های مسافرتی جداگانه محاسبه می شود.

آثاری وجود دارد که از رویکرد فعال و بر اساس فناوری سونوگرافی برای موقعیت یابی و ردیابی استفاده می کنند: چن اچ. و همکاران.[9] سیستمی را پیشنهاد کرد ، که در آن موقعیت یابی در یک آرایه گیرنده ثابت انجام می شود که بومی سازی یک آرایه فرستنده متصل به دست کاربر را انجام می دهد. چن جی و همکاران.[13] توصیف شده با استفاده از سیگنال اولتراسونیک و سیگنال رادیویی با هم برای ایجاد یک قلم سه بعدی انتقال دهنده ، و الگوریتم برای قرار دادن قلم بر اساس مجموعه ای از گره های دریافت کننده صفحه نوشتن.

در گزینه جایگزین منفعل ، فقط ECHO یا موج منعکس شده توسط لنگرها تشخیص داده می شود. این به طور معمول برای برنامه های بسیار کوتاه ، مانند تشخیص ژست [14] امکان پذیر است ، که در آن سطح برای یافتن آن بدون تداخل است و دارای یک سطح بازتابی به اندازه کافی بزرگ است که به راحتی قابل تشخیص است. با در نظر گرفتن ویژگی های رویکرد منفعل ، از همان تکنیک های اندازه گیری فاصله استفاده شده در جایگزین فعال می توان با جایگزین منفعل استفاده کرد [15].

در نهایت، دقت و استحکام سیستم به قابلیت اطمینان اندازه گیری فاصله بستگی دارد. تشخیص سیگنال ورودی (که توسط گره دیگری منعکس شده یا به طور فعال منتقل می شود) در نویز پس زمینه اولتراسونیک بسیار مهم است. چندین روش در ادبیات بر اساس معیارهای مختلف (زمان، فرکانس، فاز) [16] پیشنهاد شده است که محبوب ترین آنها همبستگی متقابل سیگنال دریافتی و مورد انتظار است. این به توان محاسباتی کم نیاز دارد، تاخیر کم را معرفی می کند و در هنگام تشخیص اکو استحکام بالاتری در برابر نویز ارائه می دهد [13،16].

این تکنیک انتشار سیگنال های مختلف را قادر می سازد (به عنوان مثال، در موردی که لنگرها نقش امیتر را بازی می کنند) تا بین پالس های ورودی تمایز قائل شود، مانند دسترسی چندگانه کد-تقسیم دنباله مستقیم (DS-CDMA) [17،18].

هنگامی که فواصل تا لنگرها به دست آمد، مکان جسم را می توان با استفاده از یک الگوریتم موقعیت یابی، یکی بر اساس مفهوم سه لایه بندی تعیین کرد [19،20]. دانستن موقعیت سه لنگر A 1 ( x 1 , y 1 , z 1 ) , A 2 ( x 2 , y 2 , z 2 ) , A 3 ( x 3 , y 3 , z 3 ) و فواصل زوجی ( d1، d 2 و d 3)، مختصات جسم، O (x، y، z) را می توان با حل سیستم معادلات زیر محاسبه کرد:

( x − x 1 ) 2 + ( y − y 1 ) 2 + ( z − z 1 ) 2 = d 1 2 ( x − x 2 ) 2 + ( y − y 2 ) 2 + ( z − z 2 ) 2= d 2 2 ( x − x 3 ) 2 + ( y − y 3 ) 2 + ( z − z 3 ) 2 = d 3 2

این جواب جبری به ترتیب با نقاط متقاطع سه کره با مرکز A 1 , A 2 و A 3 و شعاع d 1 , d 2 و d 3 مطابقت دارد.

سه گره لنگر، و فاصله هر سه لنگر تا جسم، به عنوان حداقل نیاز برای به دست آوردن موقعیت سه بعدی شی مورد نیاز است. اگر کمتر از سه فاصله تا گره های لنگر وجود داشته باشد (یعنی هیچ کانال صوتی مستقیمی بین شی و یک لنگر وجود نداشته باشد)، تعیین مکان ممکن نیست.

هنگامی که بیش از سه لنگر در مکان وجود داشته باشد، یک سیستم بیش از حد تعیین شده داریم و به این روش چندلایه می گویند. مزیت آن افزایش استحکام بالقوه در برابر فواصل نادرست یا از دست رفته است. با N لنگر، حل یک سیستم با N معادلات مورد نیاز است، که استفاده از الگوریتم های بازگشتی را برای به دست آوردن یک راه حل بهینه ضروری می کند [21]:

( x − x 1 ) 2 + ( y − y 1 ) 2 + ( z − z 1 ) 2 = d 1 2 ( x − x 2 ) 2 + ( y − y 2 ) 2 + ( z − z 2 ) 2= d 2 2 ⋮ ( x − x N ) 2 + ( y − y N ) 2 + ( z − z N ) 2 = d N 2

برای محاسبه مختصات شیء ، و حتی برای قرار دادن زیرساخت های لنگر ، الگوریتم های سریع و قوی نیز مورد نیاز است. آنها باید بتوانند به راحتی با تعداد متفاوتی از مسافت های پر سر و صدا سازگار شوند و بنابراین کاملاً قابل اعتماد نیستند. علاوه بر این ، در صورت دستیابی به مسیرها ، یک مرحله پردازش بیشتر برای صاف کردن مسیر جسم و بهبود صحت مسیر تخمینی مفید است.

در این مقاله ، چندین رویکرد برای دستیابی به محل شیء و ردیابی با استفاده از مقیاس بندی چند بعدی (MDS) و الگوریتم های بهینه سازی پیشنهاد شده است. ارزیابی کیفی این الگوریتم ها در این کار انجام می شود. علاوه بر این ، ادغام الگوریتم ها در یک چارچوب تولید داده مصنوعی مورد بحث قرار گرفته است. این مورد استفاده نشان می دهد که چگونه کار ایجاد مجموعه داده ها ، یعنی مجموعه داده های سونوگرافی ، می تواند به دلیل انعطاف پذیری بالا در پیکربندی خروجی مورد نظر با سطح سر و صدای مختلف و گزینه های ژست ، از این الگوریتم ها بهره مند شود. در عین حال ، از آنجا که داده های مورد نظر توسط کاربر پیکربندی شده است ، این چارچوب به طور همزمان داده ها و برچسب ها را تولید می کند. با استفاده از این چارچوب ، امکان تحمل خطای انسانی کاهش می یابد ، همانطور که زمان لازم برای تولید مجموعه داده های دارای برچسب مصنوعی است.

تکنیک های محلی سازی MDS قبلاً مورد بررسی قرار گرفته است ، بیشتر برای فناوری هایی مانند شبکه های سنسور بی سیم (WSN) ، رادیو یا 5G [22]. با این حال ، به بهترین دانش ما ، این تکنیک ها در تکنیک های نوظهور مانند سونوگرافی برای برنامه های موجود در هوا ارزیابی نشده است. به همین دلیل ، هدف از این کار استفاده از این الگوریتم برای داده های سونوگرافی برای محلی سازی هدف است.

این اثر به شرح زیر است: بخش 2 اهداف پوشش در این کار را ارائه می دهد. بخش 3 الگوریتم های جدید پیشنهادی را برای انجام زیرساخت ها و موقعیت یابی هدف توضیح می دهد. بخش 3. 4 تکنیک های فیلتر مورد مطالعه در این کار را برای هموار سازی مسیر توضیح می دهد و بخش 4 شبیه سازی انجام شده را توصیف می کند. بخش 5 نتایج به دست آمده را با تمرکز بر پارامترهای مختلف هر الگوریتم و روشهای بهبود نتایج از طریق فیلتر یا تغییر طرح زیرساخت ها خلاصه می کند. سرانجام ، بخش 6 نتیجه گیری از این کار را ارائه می دهد.

2. سیستم پیش بینی شده

هدف از کار حاضر ، تجزیه و تحلیل امکان سنجی و عملکرد یک چارچوب تولید داده مصنوعی بر اساس الگوریتم های تحقیق شده ، به دلیل قابلیت های آن در تولید دقیق نمونه های عددی است. ورودی مورد نیاز برای تولید داده ، انتخاب اولیه مسیر بعد (معادله یا سری زمانی حرکت مورد نظر) است. در عین حال ، این چارچوب کاربر را قادر می سازد تا یک مجموعه داده متنوع تر تولید کند زیرا می توان سطح سر و صدا را کنترل کرد و همچنین تغییرات مختلفی از داده های اولیه (از جمله چرخش ، مقیاس گذاری و ترجمه نمونه ها) را در محور سه بعدی قرار داد که می تواندبعداً برای متناسب با برنامه خاص ، یعنی تصاویر یا وکسل ها ، به قالب های مختلف تبدیل می شود.

این چارچوب می تواند وظایف جمع آوری داده ها را سهولت کند ، زیرا سنسورهای واقعی برای این فرآیند لازم نیست و می تواند نمونه های متعددی را ایجاد کند که سناریوها/فناوری های مختلف را بر اساس پیکربندی انتخاب شده توسط کاربر ، مانند توزیع لنگر و سطح سر و صدا تقلید می کند.

این سیستم برای وظایف ، مانند تشخیص ژست مبتنی بر فن آوری های متعدد ، که نویسندگان بی شماری در حال تحقیق هستند ، مفید خواهد بود. بیشتر مطالعات موجود در این زمینه بر روی رادار [15،23] ، Wi-Fi [24] و سنسورهای سونوگرافی [9،13،25] متمرکز شده است. در این مقاله ، این چارچوب برای تولید داده های سونوگرافی برای تشخیص ژست ارزیابی می شود. این فناوری به دلیل تکنیک های در حال ظهور با سنسورهای سونوگرافی انتخاب شده است ، که می تواند مستقیماً در دستگاه های مبتنی بر میکروکنترلر ساده اجرا شود ، مانند آنچه در [25] ارائه شده است.

فرض بر این است که سیستم مورد تقلید با چارچوب پیشنهادی انجام کارهای زیر را انجام می دهد (شکل 1):

تخمین فاصلهدستگاه ها از فرستنده (های) سونوگرافی استفاده می کنند تا به صورت محلی مسافت های خود را به یک شیء محاسبه کنند ، به عنوان مثال ، دست کاربر ، به طور معمول از اندازه گیری های مبتنی بر TOF استفاده می کنند. مسافت های زوج بین لنگرها نیز (با فرکانس پایین تر) محاسبه می شوند تا زیرساخت های لنگر را به خود اختصاص دهند.

الگوریتم های موقعیت یابی. با استفاده از فاصله های زوجی بین لنگرهای به دست آمده در نقطه قبلی ، موقعیت هر لنگر محاسبه می شود. سپس با استفاده از این موقعیت ها و فاصله بین دست کاربر و تمام لنگرها ، موقعیت فعلی شیء محاسبه می شود.

الگوریتم های ردیابی. موقعیت شیء به صورت دوره ای به روز می شود و به طور مؤثر تخمین مسیر آن را بدست می آورد. این مسیر برای بهبود دقت آن فیلتر شده است.

به رسمیت شناختن. مسیر تخمین زده شده به عنوان ورودی برای مرحله تشخیص ژست ، به عنوان مثال ، با یک شبکه عصبی اجرا می شود.