liu.seSearch for publications in DiVA
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Feasibility Study of Indoor Positioning in a Hospital Environment Using Smartphone Sensors
Linköping University, Department of Electrical Engineering, Automatic Control.
2017 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

This thesis is a feasibility study of contemporary indoor positioning approaches in an hospital environment using sensor available on Android phones together with Wi-Fi fingerprintingand map information. The purpose is to determine the resolution of pedestrian indoor positioning and whether it is sufficient for room level accuracy.

Accurate and robust positioning for outdoor applications based on mobile networks and satellite systems, such as the Global Positioning Service (GPS), has been around for many years. However these systems are not suitable for positioning inside buildings due to a high level of signal degradation. Through the years various pedestrian indoor positioning methods have been proposed.A simple algorithm for suppressing random movement of the mobile phone is tested.

Two versions of the Extended Kalman Filter (EKF) are compared for fusing the Inertial Navigation System (INS) measurements during Pedestrian Dead Reckoning (PDR). The TRIAD algorithm is tested for suppressing the effects of large magnetic disturbances. Wi-Fi fingerprinting using two combinations of positioning algorithms and radio maps is tested. The EKF is tested for fusing PDR and Wi-Fi fingerprint position estimations. The Particle Filter (PF) is tested for combining PDR with Wi-Fi fingerprint positioning with a geometrical map. Static Received Signal Strength Indication (RSSI) measurements are carried out to detect variable Wi-Fi transmission power. The results show that adding more informations sources improves the positioning performance. Also fusion using PF outperforms the EKF in more complex indoor environments and movement patterns.

Abstract [sv]

En starkt växande tillgång och kapacitet hos trådlösa nätverk i kombination med explosionen inom mobiltelefoni, i synnerhet vad gäller smartphones, har lett till ett enormt ökat intresse för och utveckling inom området inomhuspositionering. Det har under många år funnits lösningar för positionering i utomhusmiljöer, exempelvis GPS och triangulering med mobila basstationer, men inga av dessa system lämpar sig för inomhuspositionering eftersom signalerna tappar alldeles för mycket i intensitet när användaren befinner sig inomhus. Under årens lopp har flera olika lösningar för inomhuspositionering föreslagits.

I denna uppsats testas olika lösningar för inomhuspositionering med smartphones i en sjukhusmiljö. Testen baserar sig på de sensorer som finns i en smartphone med operativsystemet Android i kombination med Wi-Fi triangulering och en digital planlösning över testområdet. Syftet är att undersöka om noggrannheten kan bli såpass så bra att en upplösning på rumsnivå uppnås.

En enkel algoritm för att kompensera för slumpartade och oplanerade rörelser hos mobiltelefonen testas.  Två versioner av det utökade Kalmanfiltret testas för tröghetsnavigering. TRIAD algoritmen testas för att motverka magnetiska störningar. Två kombinationer av radiokartor och positioneringsalgoritmer provas för att genomföra Wi-Fi positionering. Ett utökat Kalmanfilter används för att kombinera resultaten av tröghetsnavigeringen med Wi-Fi positioneringen. Ett partikelfilter används för att utföra sensorfusionen av tröghetsnavigeringen, Wi-Fi positioneringen och den digitala planlösningen. Resultaten visar att ju mer information som tillförs under positioneringen desto större blir noggrannheten samt att partikelfiltret ger en bättre noggrannhet i en komplex inomhusmiljö i kombination med komplicerade rörelsemönster än det utökade Kalmanfiltret.

Place, publisher, year, edition, pages
2017. , p. 86
Keywords [en]
"Indoor positioning", smartphone, IMU, Wi-Fi, "Dead Reckoning"
Keywords [sv]
Inomhuspositionering, tröghetsnavigering, wifi
National Category
Mechanical Engineering
Identifiers
URN: urn:nbn:se:liu:diva-145172ISRN: LiTH-ISY-EX--17/5074--SEOAI: oai:DiVA.org:liu-145172DiVA, id: diva2:1182261
External cooperation
Östergötlands landsting
Subject / course
Automatic Control
Supervisors
Examiners
Available from: 2018-02-13 Created: 2018-02-12 Last updated: 2018-02-13Bibliographically approved

Open Access in DiVA

fulltext(13107 kB)59 downloads
File information
File name FULLTEXT01.pdfFile size 13107 kBChecksum SHA-512
6c0ce274826506f70338ea9134d1020b985f050450291b19c97f889ecbd39bbaf7e5040129aa6e7ed95fb01bea8bdabfb3885aa1f6485f143e657d5742e94b60
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Skytte, Joakim
By organisation
Automatic Control
Mechanical Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 59 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 98 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf