WiFi-RSSI-Sensor-Tracker für die ISS

Sensoren an Bord der Internationalen Raumstation (ISS), einschließlich persönlicher CO₂ Monitore, erfordern eine Standortverfolgung, um ihre zeitgestempelten Daten mit Positionsinformationen zu korrelieren. Die Kennzeichnung von Daten auf der Grundlage einer visuellen Inspektion ist teuer und unpraktisch für die Verfolgung vieler Sensoren. Eine kostengünstige und effiziente Lösung besteht darin, das eine zusätzliche Messgerät zu verwenden, über das diese Sensoren verfügen. nämlich ihre WLAN- oder Bluetooth-Signalstärkewerte.

Anhand dieser Signalstärkewerte zielt diese Software darauf ab, rechtzeitig ungefähre Standortinformationen für einzelne Sensoreinheiten bereitzustellen. Der Zweck des ISS Sensor Tracker (MIST)-Projekts auf Modulebene besteht darin, ein Standarddatenformat und -protokoll für die Aufzeichnung von WiFi-Signalstärkeinformationen festzulegen, damit diese später zur Lokalisierung von Sensoren an Bord der ISS verwendet werden können. Google und Apple haben proprietäre Lösungen für Ortungsdienste, die GPS-Daten mit WLAN-Stärkewerten kombinieren, um eine genaue Schätzung der Position eines Mobiltelefons zu geben; Es gibt jedoch keine solche Methode zum Verfolgen von WiFi-fähigen Geräten auf der ISS.

Als zu verfolgender Algorithmus wurden Support-Vektor-Maschinen (SVM) ausgewählt. Die Hauptmotivation ist die hohe Genauigkeit im Verhältnis zur Anzahl der für das Training erforderlichen Proben, da Trainingsdaten die Hauptkosten an Bord der ISS darstellen. Es wurde eine Python-Anwendung und -Bibliothek zum Protokollieren von WLAN-Informationen und zum Vorhersagen von Positionen entwickelt. Es wurde eine Pipeline von Techniken aufgebaut, die eine hochgenaue Leistung für die gesammelten Datensätze liefert. Mit einem einfachen Moving-Window-Filter kann der Prädiktor mit einer Genauigkeit von>95 % korrekt erkennen, in welchem ​​Modul sich ein Sensor befindet. Weitere Verbesserungen werden in der Lage sein, dies viel näher an 100 % zu bringen.

Das Softwareprogramm besteht aus zwei Betriebsmodi:Training und Laufzeit. Für das Training werden WLAN-RSSI-Daten mit Standard-Linux-Befehlszeilendienstprogrammen gesammelt und in einem CSV-Format gespeichert. Die RSSI-Messwerte bei jedem Zeitschritt werden mit einer nummerierten Stelle korreliert; in diesem Fall das ISS-Modul. Diese Daten durchlaufen eine Reihe von Vorverarbeitungsfunktionen, die schlechte/spärliche Messwerte entfernen und die Daten in einem Format anordnen, das für den SVM-Algorithmus bereit ist. Die SVM wird dann gemäß einem von Hand abgestimmten Parametersatz gegen den Trainingsdatensatz trainiert.

Im Runtime-Betriebsmodus werden Daten ähnlich wie im Trainingsmodus gesammelt, jedoch seriell. Diese Daten durchlaufen denselben Präprozessor wie die Trainingsdaten, sodass sowohl Trainings- als auch Laufzeitdaten auf denselben Mittelwert und dieselbe Varianz skaliert werden. Das SVM nimmt dann diese vorverarbeiteten Daten und trifft basierend auf seinen eingestellten Parametern eine bestmögliche Vermutung, in welchem ​​Modul/Standort die Probe gesammelt wurde. Durch die Verwendung eines gleitenden Fensterdurchschnitts über fünf bis zehn Proben kann eine Tracking-Genauigkeit von über 95 % erreicht werden .

Keiner der einzelnen Aspekte des Algorithmus ist bekanntermaßen völlig neuartig, obwohl die spezifische Pipeline von Subroutinen dies sein kann. Es gibt andere ähnliche kommerzielle Projekte, aber keines, das eindeutig die Flexibilität bietet, ohne GPS-Informationen zu arbeiten.

Die Entwickler möchten das System mit auf der ISS gesammelten Trainingsdaten testen, um die Systemparameter abzustimmen und den Wert der SVM-WLAN-Verfolgung in einer wirklich hochreflektierenden Umgebung zu ermitteln.

Die NASA versucht, diese Software frei zu lizenzieren und sie für die allgemeine Nutzung für Open-Source-Projekte verfügbar zu machen. Bitte wenden Sie sich an den Licensing Concierge der NASA unter Diese E-Mail-Adresse ist vor Spambots geschützt! JavaScript muss aktiviert werden, damit sie angezeigt werden kann. Oder rufen Sie uns unter 202-358-7432 an, um Diskussionen über die Lizenzierung einzuleiten.