国际空间站(ISS)上的传感器,包括个人CO2监视器,需要位置跟踪,以便将它们的时间戳数据与位置信息关联起来。基于视觉检测的数据标记对于许多传感器的跟踪是昂贵和不切实际的。一个廉价而有效的解决方案是利用这些传感器的一个额外的测量设备;也就是他们的WiFi或蓝牙信号强度读数。

利用这些信号强度读数,该软件旨在为单个传感器单元及时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。谷歌和苹果公司拥有定位服务的专有解决方案,将GPS数据与WiFi强度读数结合起来,可以准确估计手机的位置;然而,在国际空间站上没有这样的方法来跟踪wifi设备。

选择支持向量机(SVM)作为跟踪算法。主要的动机是相对于训练所需的样本数量的高准确性,因为训练数据是国际空间站上的主要成本。开发了一个用于记录WiFi信息和预测位置的Python应用程序和库。我们构建了一系列技术,为所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,预测器可以正确地识别传感器所在的模块,准确率为>95%。进一步的改进将使其接近100%。

软件程序由培训和运行两种运行模式组成。对于培训,WiFi RSSI数据使用标准的Linux命令行工具收集,并以csv格式存储。每个时间步长的RSSI读数与一个编号的位置相关;在这里是国际空间站。这些数据通过一组预处理函数运行,去除坏的/稀疏的读数,并将数据安排为支持向量机算法准备的格式。然后,根据手工调整的参数集对训练数据集训练支持向量机。

在运行时运行模式下,数据的收集与训练模式类似,但是串行的。该数据通过与训练数据相同的预处理器运行,因此训练和运行时数据都被缩放为相同的均值和方差。SVM然后获取这些预处理数据,并根据其调整参数对样本收集的模块/位置进行最佳猜测。通过使用超过5到10个样本的移动窗平均值,可以达到95%以上的跟踪精度。

尽管子程序的特定管道可能是新颖的,但算法的各个方面都不完全是新颖的。其他类似的商业项目也存在,但没有一个明确提供了在没有GPS信息的情况下工作的灵活性。

开发人员希望用在国际空间站上收集的训练数据来测试该系统,使他们能够调整系统参数,并确定在真正的高反射环境中支持向量机WiFi跟踪的价值。

NASA寻求免费许可该软件,并使其可用于开源项目。请联系NASA的许可礼宾部此电子邮件地址正受到垃圾邮件程序的保护。您需要启用JavaScript才能查看它。,或致电202-358-7432与我们讨论许可事宜。


yabovip16.com科技简报》杂志

本文首次发表于2021年6月号yabovip16.com杂志。

阅读更多本期文章在这里

阅读更多的档案文章在这里