国际空间站(ISS)上的传感器,包括个人公司2.监视器需要位置跟踪,以便将其时间戳数据与位置信息关联起来。基于视觉检查的数据标记对于跟踪许多传感器来说是昂贵和不现实的。一个廉价有效的解决方案是利用一个额外的测量设备,这些传感器有;即他们的WiFi或蓝牙信号强度读数。

利用这些信号强度读数,该软件旨在及时为各个传感器单元提供大致的位置信息。模块级ISS传感器跟踪器(MIST)项目的目的是为记录WiFi信号强度信息设置一个标准数据格式和协议,以便以后用于定位ISS上的传感器。谷歌和苹果拥有专有的定位服务解决方案,将GPS数据与WiFi强度读数相结合,以准确估计手机的位置;然而,国际空间站上还没有这种跟踪WiFi设备的方法。

选择支持向量机(SVM)作为算法进行研究。主要的动机是相对于训练所需样本数量的高精度,因为训练数据是国际空间站上的主要成本。开发了一个Python应用程序和库,用于记录WiFi信息和预测位置。构建了一个技术管道,为收集的数据集提供了高度精确的性能。通过一个简单的移动窗口滤波器,预测器可以正确识别传感器所在的模块,准确率>95%。进一步的改进将使其接近100%。

软件程序包括两种运行模式:训练模式和运行模式。对于培训,WiFi RSSI数据使用标准Linux命令行实用程序收集,并以csv格式存储。每个时间步的RSSI读数与编号位置相关;在这种情况下,ISS模块。这些数据是通过一组预处理函数运行的,这些预处理函数去除了不好的/稀疏的读数,并将数据整理成支持向量机算法所需的格式。然后,根据手动调整的参数集,针对训练数据集对SVM进行训练。

在运行时操作模式中,数据的收集与训练模式非常相似,但是串行的。这些数据通过与训练数据相同的预处理器运行,以便训练和运行时数据都被缩放为相同的均值和方差。然后,支持向量机对预处理后的数据进行处理,并根据调整后的参数对样本采集的模块/位置进行最佳猜测。通过在5到10个样本上使用移动窗口平均值,可以达到95%以上的跟踪精度。

尽管子程序的具体管道可能是新的,但是没有一个算法的各个方面是完全新颖的。其他类似的商业项目也存在,但没有一个能明显提供在没有GPS信息的情况下工作的灵活性。

开发人员希望用ISS上收集的训练数据测试系统,使他们能够调整系统参数,并确定SVM WiFi跟踪在真正高反射环境中的价值。

美国航天局寻求免费许可这个软件,使其可供一般使用的开源项目。请联系美国航空航天局的许可证门房此电子邮件地址受到垃圾邮件的保护。您需要启用JavaScript才能查看它。,或致电202-358-7432与我们进行许可讨论。


yabovip16.com技术简报杂志

这篇文章第一次出现在2021年6月的yabovip16.com杂志。

阅读本期更多文章在这里.

从档案馆多读些文章在这里.