The Internet of Things (IoT) has emerged as a powerful tool for meeting our need to collect information about and interact with our environments. One important aspect of this technology is positioning which imposes requirements on both the energy consumption and the arrangement of the systems. For devices that run on battery, low energy consumption is critical and for large deployments, there is a need to minimize the number of devices to reduce cost. Narrowband sub-GHz positioning systems allow for long-range and low-energy functionality at the cost of positioning accuracy compared to wider bandwidth systems. One significant factor that impacts the accuracy of positioning systems is the quality of the radio environment. The aim of this thesis is to investigate methods for using stationary devices in positioning systems for mitigating the effect of the radio environment. The focus lies on a specific IoT narrowband sub-GHz system that use received signal strength indicator and time-of-flight to create range estimates. To meet the objectives, a measurement analysis is performed on a real system deployment. The analysis results in two methods for compensating the range estimations between the devices to locate and the stationary devices in the system. The first method creates a compensation factor based on the measurements from a closely located stationary device. The second method implement and tests six regression models trained on measurements between one or several closely located stationary devices. The results show that both approaches improve the range estimates in the system for two different system deployments. The best method show approximately 76 % improvement on the first deployment and 66 % improvement on the second. The results also show that the training set has to include data from a similar environment for the model to improve the range estimates. Further, for the implemented positioning algorithm, the best methods show no effect on the positioning accuracy in the first deployment and approximately 15 % improvement in the second. / Internet of Things (IoT) möter våra behov av att samla information och interagera med våra miljöer. En viktig aspekt av denna teknik är positionering som ställer krav på både energiförbrukning och systemens anordning. För enheter som körs på batteri är låg energiförbrukning avgörande och för stora distributioner finns ett behov av att minimera antalet enheter för att minimera kostnader. Sub-GHz positioneringssystem med smal bandbredd möjliggör lång räckvidd och låg energiförbrukning till priset av en lägre positioneringsnoggrannhet i jämförelse med system med bredare bandbredd. En viktig faktor som påverkar positioneringsnoggrannheten är kvalitén på radiomiljön. Målet med det här examensarbetet är att undersöka metoder för att använda stationära enheter i positioneringssystem för att mildra effekten av radiomiljön. Fokuset ligger på ett specifikt smalbandigt IoT sub-GHz system som använder sig av mottagen signalstyrka och time-of-flight för att skapa avståndsuppskattningar. För att nå målen utförs en analys av mätdata från en verklig systeminstallation. Analysen resulterar i två metoder för att kompensera avståndsuppskattningar mellan de stationära enheterna och enheterna som ska lokaliseras. Den första metoden skapar en kompenseringsfaktor baserat mätningar från en närliggande stationär enhet. Den andra metoden implementerar och testar sex regressionsmodeller som tränas på mätningar mellan en eller flera närliggande stationära enheter. Resultaten visar att båda metoderna förbättrar avståndsuppskattningarna i systemet för två olika systeminstallationer. Den bästa metoden visar ungefär 76 % förbättring för den första installationen och 66 % förbättring för den andra. Resultaten visar också att träningsdatan måste inkludera data från en liknande miljö för att modellerna ska ge en förbättring av avståndsuppskattningarna. Vidare visas att den bästa metoden för avståndsuppskattningarna inte har någon effekt på positioneringsnoggrannheten för den första installationen och ger en 15 % förbättring för den andra.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-338216 |
| Date | January 2023 |
| Creators | Berglund, Elin |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2023:724 |
Page generated in 0.002 seconds