Indoor Localization of Sensors: Application to Dependent Elderly People
Localisation indoor des capteurs : applications pour des personnes âgées dépendantes
Résumé
This thesis deals with the problem of localization of dependent elderly people using wireless sensor networks. Each person is equipped with a bracelet or a medallion that consists of a sensor capable of measuring the WiFi signals and communicating with the environment. We tackle the problem of localization by zoning, where the objective is to determine the zone where the person resides, instead of its exact position. It is formulated as a problem of multi-class classification, which we treat by associating the flexibility of statistical learning methods to the theory of Dempster-Shafer for fusion of information with uncertainty. The interest of this theory is in its ability to model at the same time the uncertainty and ambiguity of data, and the reliability and conflict of the sources. First, we propose an observation model exploiting the power of the exchanged signals between the sensors with the fingerprinting technique. Afterwards, we extend the proposed model, through hierarchical clustering, in order to cover larger surface areas with higher number of zones. We then develop a method for selecting the WiFi terminals in favor. This method helps enhancing the overall accuracy and reducing the complexity of the localization method, by selecting the best subset in terms of discriminative capacity and redundancy. We also propose mobility models, which we combine with the observation model, in order to correct the estimations by aggregating all available evidence. In addition, we present a decentralized approach of the localization method, to increase the robustness and reduce the complexity. The performance of the proposed methods is validated through experiments on real data, and evaluated in comparison with other well-known methods in the domain.
Cette thèse porte sur le problème de localisation des personnes âgées dépendantes à l'aide de réseaux de capteurs sans fil. Chaque personne est équipée d'un bracelet ou médaillon, comprenant un capteur intelligent capable de mesurer les signaux WiFi et de communiquer avec l'environnement. Nous abordons le problème de localisation par zonage, où le but est de déterminer la zone où se trouve la personne, au lieu de sa position exacte. Il s'agit d'un problème de classification multi-classes, que nous traitons en associant la flexibilité des méthodes d'apprentissage statistique à la théorie de Dempster-Shafer pour la fusion de l'information avec incertitude. L'intérêt de l'utilisation de cette théorie réside dans sa capacité à modéliser à la fois l'incertitude et l'ambiguïté des données, ainsi que la fiabilité et le conflit des sources. Nous proposons en premier un modèle d'observation exploitant la puissance des signaux échangés entre les capteurs avec la technique de fingerprinting. Nous développons ensuite le modèle proposé, au travers du regroupement hiérarchique, dans le but de couvrir des surfaces plus grandes avec un nombre de zones plus élevé. Nous élaborons ensuite une méthode de sélection de paramètres, qui sont les bornes WiFi à privilégier. Cette méthode permet d'améliorer la précision et de réduire la complexité de la méthode de localisation, en choisissant le meilleur ensemble de paramètres en termes de la capacité de discrimination et de la redondance. Nous proposons également des modèles de mobilité que nous combinons au modèle d'observation, afin de corriger les estimations en fusionnant toutes les preuves disponibles. D'autre part, nous présentons une approche décentralisée de la méthode de localisation, pour accroître la robustesse et diminuer la complexité. Les performances des méthodes proposées sont validées par des expérimentations sur des données réelles, et évaluées en comparaison avec d'autres méthodes très connues dans le domaine.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...