Présenté par Thanh Hà LÊ à l’INSA de Lyon, le 9 Septembre 2004 STAGE DE DEA DEA Images et Systèmes LOCALISATION DES STATIONS MOBILES DANS LES RESEAUX SANS FILS Simulations et Mesures Présenté par Thanh Hà LÊ à l’INSA de Lyon, le 9 Septembre 2004 Superviseurs : Jean Marie GORCE Maître de conférence à l’INSA de Lyon Katia RUNSER Doctorante à l’INSA de Lyon Rapporteur: M. Hervé Saint Jalmes Professeur à l’Université Claude Bernard - Lyon 1

Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes Plan 1. Introduction 2. Etude bibliographique 3. Objectifs du stage 4. Présentation des résultats 5. Conclusions & perspectives 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes 1. INTRODUCTION Utilisation des dispositifs de calcul portatifs et des réseaux sans fils Services dépendant de la position physique Localisation dans les environnements Indoor Exemples: guidage à l’intérieur d’un bâtiment, service d’impression Caractéristiques du canal radio dans les environnements Indoor Pas de chemin direct entre l’émetteur et récepteur Interférences, instable dans le temps … Technologies de localisation dans les environnements Indoor 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

2. ETUDE BIBLIOGRAPHIQUE Technologies de localisation GPS (Global Positioning System): environnements « outdoor » Infrarouge : Système Active Badge (1992) [1] Ultrason: Système de Constellation (1998) [2] Système Bat (1999) [3] Système Cricket (2000) [4] Radio Fréquence (RF) Réseaux sans fils 802.11b Puissance du signal Difficultés: chemin multiple, réflexion, réfraction … 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

2. ETUDE BIBLIOGRAPHIQUE Techniques RF Position à localiser Figure 1: Principe de fonctionnement Principe de fonctionnement Localisation à l’aide des signaux radio Prétraitement : base de connaissances de l’environnement (phase offline) Localisation: détermination de position d’un utilisateur mobile (phase online) Méthodes de localisation Méthodes déterministes: puissance moyenne du signal Méthodes probabilistes: histogramme des niveaux de puissance Architecture: Serveur centré Client centré Figure 2 : Carte de couverture information Méthodes déterministes Méthodes probabilistes Client centré Système CMU-TMI Système Fingerprinting Système Horus Robotic-based location Serveur centré Système Radar Système Nibble Tableau 1: Techniques RF 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

2. ETUDE BIBLIOGRAPHIQUE Système Radar – Méthode déterministe P.Bahl et al. (2000) [9] 43,2m x 22,5m, 3 points d’accès Construction de base de données Méthode empirique Modèle de propagation Méthodes de localisation NNSS – Nearest Neighbor in Signal Space k-NNSS (figure 3) Continuous User Tracking Figure 3 : Banc d’essai du système Radar Puissance moyenne de signal Comment marche NNSS: distance la plus faible dans l’espace signal Figure 4 : Méthode k-NNSS 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

2. ETUDE BIBLIOGRAPHIQUE Système Horus – Méthode probabiliste M.A.Youssef et al. (2002,2003) [15] Base de données: 67m x 25,5m, grille de 1.7x1.7m 110 points de mesure 300 échantillons à chaque point de mesure Histogramme des niveaux de signal (figure 6) Technique Joint Clustering Probabilité conjointe: Pk( AP1 = s1, AP2 = s2, … , APn = sn) = Pk(AP1=s1).Pk(AP2=s2)…..Pk(APn=sn) Regroupement des points d’accès Figure 5 : Banc d’essai du système Horus Figure 6 : Histogramme Histogramme Position la plus probable 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Intégration d’un simulateur de couverture radio 3. OBJECTIFS DU STAGE Intégration d’un simulateur de couverture radio dans la phase de prétraitement  Implanter des méthodes de localisation  Intégrer le simulateur radio  Comparer les méthodes de localisation implantées  Evaluer les performances de notre système 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

3. OBJECTIFS DU STAGE Moteur de calcul de couverture WILDE Prédiction du niveau de puissance reçu en tout point du plan 2D d’un bâtiment Résolution fine: 1pixel = 10cm Figure 7 : Carte de couverture à la résolution 1x1 Expliquer 2 images 1 point de test = 1bloc homogène Taille de la base de données = nombre de blocs homogènes Figure 8 : Carte de couverture à la résolution 6x6 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

4. PRESENTATION DES RESULTATS a. Validation du système implanté b. Localisation avec le moteur WILDE c. Localisation des points d’un trajet continu

Construction de la base de données 4. PRESENTATION DE TRAVAIL ET DES RESULTATS a. Validation du système implanté Erreur quadratique moyenne Radar: 3m, Horus: 1.4m Construction de la base de données MESURES REELLES Point de test 137 POINTS DE MESURES Figure 9 : Validation du système implanté avec les mesures 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

4. PRESENTATION DE TRAVAIL ET DES RESULTATS a 4. PRESENTATION DE TRAVAIL ET DES RESULTATS a. Validation du système implanté Avec nos mesures et notre système de localisation Résultats de littérature Méthode Radar Horus Erreur à 75% (mètre) 3.7 1.7 3 1.3 Erreur médiane (mètre) 1.8 <0.5 2.9 0.5 À 75% : résultats sont proches À 50%: résultats sont éloignés Tableau 2: Comparaisons avec Radar et Horus 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

4. PRESENTATION DE TRAVAIL ET DES RESULTATS b. Localisation avec WILDE Résultat 1: Base de données de simulation Construction de la base de données SIMULATION à l’aide de WILDE Nombre de points d’accès Nombre de points à localiser Erreur quadratique moyenne 4,5,6 137 6.2 5,6 114 5.1 6 50 3.5 Point de test 137 POINTS DE MESURES Tableau 3: Résultats obtenus avec la base de données de simulation Rappel : Avec la base de données de mesure, l’erreur moyenne de Radar est de 3 mètres 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

4. PRESENTATION DE TRAVAIL ET DES RESULTATS b. Localisation avec WILDE Zone 1 Interprétations Zones de symétrie Ecart entre les mesures expérimentales et les valeurs de simulation Zone 2 Figure 10: Zones de symétrie en espace des signaux Figure 11 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

4. PRESENTATION DE TRAVAIL ET DES RESULTATS b. Localisation avec WILDE Figure 12: Modification de la base de données avec le seuil de détection 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

4. PRESENTATION DE TRAVAIL ET DES RESULTATS b. Localisation avec WILDE Résultat 2 : Base de données avec le seuil de détection Nombre de points d’accès Nombre de points à localiser Erreur 4,5,6 137 5.4 5,6 114 4.4 6 50 3.5 Tableau 4: Résultats obtenus avec le seuil de détection Rappel: Sans seuil de détection, l’erreur moyenne de 137 points est de 6.2 mètres Figure 13: Résultats obtenus par les mesures et par la simulation 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes 4. PRESENTATION DE TRAVAIL ET DES RESULTATS c. Localisation des points d’un trajet continu Figure 14 : Localisation des points d’un trajet 0 ou 1 signal reçu 3 signaux reçus Trajet de localisation 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Tableau 5: Erreur moyenne 4. PRESENTATION DE TRAVAIL ET DES RESULTATS c. Localisation des points d’un trajet continu Nb. signaux Erreur 0 6 9.7 mètres 3 6 5.8 mètres 4 6 4.3 mètres Tableau 5: Erreur moyenne des points d’un trajet Figure 15 : Erreur de localisation des points d’un trajet 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes 4. PRESENTATION DE TRAVAIL ET DES RESULTATS c. Localisation des points d’un trajet continu Figure 16 : Erreur de localisation en fonction du nombre des signaux reçus 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

5. CONCLUSIONS et PERSPECTIVES La localisation dans les environnements Indoor dépend: de la qualité de la base de données du positionnement des points d’accès Utilisation de la simulation Qualité du simulateur Avantages Perspectives Technique « User Tracking » Technique probabiliste Nouvelles expérimentations avec un bon positionnement des points d’accès. Mise en place d’un service de localisation 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

QUESTIONS ?

ANNEXES

Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes Planning Utilisation la simulation pour localiser les points de mesure Rédaction du rapport et préparation de la soutenance Rapport et soutenance de PFE Réalisation et traitement des mesures expérimentales Implantation et validation du système Conception du système Recherche bibliographique 11/03 12/03 01/04 02/04 03/04 04/04 05/04 06/04 07/04 08/04 09/04 temps Figure 1: Planning du projet 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Base de données Construction des histogrammes En simulation Avec les mesures expérimentales Histogramme réel Distribution gaussienne -92 -90 -88 dBm Figure 15 : Construction de l'histogramme en simulation Histogramme réel Distribution gaussienne Figure 16: Points de mesures réalisés au laboratoire CITI 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Validation du système implanté Figure 17 : MESURES – Distribution des erreurs 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Difficultés - Avantages Recherche bibliographique Exécution du programme Modes d’évaluation Avantages Connaissances techniques Durée de réalisation du projet Aides des tuteurs 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes Expériences retenues Programmation Techniques de localisation Méthode de recherche, travail dans un laboratoire Méthode de travail : discussion, réunion, synthèse … 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes

Base de données Structure générale  1 référence sur les histogrammes des N points d’accès qui couvrent le point de mesure  1 point de mesure listHistogrammes dataBase  vecteur de n points de mesure PointMesure X Y W H Histogramme refAP moyenne écart type histogramme Figure 7 : Structure de la base de données 9 Septembre 2004 Thanh Ha LE - INSA de Lyon - DEA Images et Systèmes