第五章 模式驗證
第二節 參考標籤輔助定位
本研究依據「參考標籤輔助定位模式流程」(圖 4-26) 執行三維空間定位演 算法 ，定位目標為空間中任意選取 4 個位置(500,630,62)、(700,630,62)、
(700,430,146)、(1050,380,86)，定位計算流程說明如下：
1.建立定位標籤訊號：電波於室內定位空間行進過程產生折射、反射、繞 射與多重路徑，天線功率將影響標籤訊號值，本研究針對景美材料實驗室調整 天線功率，發現 4 dbm 之天線功率可獲得較具鑑別性之訊號衰減趨勢，因此模 式驗證之天線功率設定為 4 dbm。將定位標籤放置於定位空間中的各個參考標 籤位置上，參考標籤座標如表 5-2 與圖 5-3 所示。四個天線(A~D)逐一量測定位 標籤於參考標籤位置之訊號值，以定位標籤 Tar. 144 為例，記錄如表 5-3~表 5-6
「Reference value」欄位中之 κ1–κ32，κ1–κ32定義於表 4-6。
表 5-3 A 天線參考標籤測值記錄表
Coordinate Tag Reference value Measured value (0, 0, 86) Ref. 100 ND -73
ND: Not detectable
表 5-3 A 天線參考標籤測值記錄表(續)
Coordinate Tag Reference value Measured value (0, 930, 50) Ref. 102 -70 -71 ND: Not detectable
NA: Not available
(資料來源：本研究整理)
表 5-4 B 天線參考標籤測值記錄表
Coordinate Tag Reference value Measured value (0, 0, 86) Ref. 100 -51 -49 ND: Not detectable
表 5-4 B 天線參考標籤測值記錄表(續)
Coordinate Tag Reference value Measured value (0, 930, 50) Ref. 102 -62 -55 ND: Not detectable
NA: Not available
(資料來源：本研究整理)
表 5-5 C 天線參考標籤測值記錄表
Coordinate Tag Reference value Measured value (0, 0, 86) Ref. 100 -50 -42 ND: Not detectable
表 5-5 C 天線參考標籤測值記錄表(續)
Coordinate Tag Reference value Measured value (0, 930, 50) Ref. 102 -42 -41 ND: Not detectable
NA: Not available
(資料來源：本研究整理)
表 5-6 D 天線參考標籤測值記錄表
Coordinate Tag Reference value Measured value (0, 0, 86) Ref. 100 ND ND ND: Not detectable
表 5-6 D 天線參考標籤測值記錄表(續)
Coordinate Tag Reference value Measured value (0, 930, 50) Ref. 102 -79 -81 ND: Not detectable
NA: Not available
(資料來源：本研究整理)
2.建立參考標籤學習訊號：以喚回單一標籤訊號方式逐一量測參考標籤在 各個位置上的訊號值，記錄如表 5-3~表 5-6「Reference value」欄位中之λ1 ~ λ32，λ1~λ32定義於表 4-6。
3.量測定位標籤訊號：此時在定位空間中隨意放置定位標籤，以定位標籤 Tar. 144 (700,430,146) 為例，單一訊號截取定位標籤於定位空間中的訊號值，A 天線所讀取之目標標籤 RSSI 記錄為 μA，B~D 天線依此類推，記錄於表 5-7。 籤訊號值，以做為定位標籤的參考，記錄於表 5-3~表 5-6「Measured value」欄 位中之之Λ1–Λ32，Λ1–Λ32定義於表 4-6。
5.修正定位標籤訊號值：本研究假設若有干擾源出現，則參考標籤與定位 標籤將受到相近的影響。比較由 2、4 步驟得到之訊號值差異來瞭解此空間中是 否有干擾源存在，如人員走動、其他實驗設備開啟等。此修正訊號值以Κi, k表 示，由關係式 Κi, k＝κi, k＋(Λi, j－λi, j)，將推算得出之 Κi, k值記錄於表 5-3~表 5-6 中之「Measured value」欄位。
6.比較定位標籤訊號：以 μA~μD對照各天線Κ1-Κ32於定位空間中之分佈，
由於參考標籤設置於牆面四周，以內插法推算參考標籤間之數值，藉此建立定 位空間訊號衰減分佈與訊號衰減等高線，同樣以定位標籤 Tar. 144 (700,430,146)
7.推論定位標籤位置：觀察圖 5-8 至圖 5-11 之 RF 等高線得知，景美材料 試驗中心 RF 干擾源甚多，每一天線可獲得多個 solution surface，為分析同一天 線距離各個 solution surface 對定位精準度之影響，本研究以 A、B、C、D 天線 距離各個 solution surface 之最大值、最小值與平均值，帶入三維空間定位模組 所提供之六種演算法求解，定位結果如表 5-8 所示，由此表得知，本研究所研 擬之「三維空間定位模組強化」之最小誤差為 219 公分，此外，各演算法 solution surface 之「平均距離」平均誤差小於「最大距離」與「最小距離」之平均誤差。
本研究所研擬之「三維空間定位模組強化」誤差 219 公分，較前一年方法(三維 空間定位模組)誤差 337 公分6，精度改善幅度為 118 公分，證明本研究所研擬 之「三維空間定位模組強化」，考慮定位時 RSSI 受環境之影響，以參考標籤修 正定位標籤之訊號值，並配合調整天線功率，以一次喚回單一標籤方式減少訊 號碰撞，可顯著強化定位精度
運算所使用之軟硬體如下：OS: Windows XP Professional Version 2002 Service Pack 3, CPU: Intel Core 2 6300 @ 1.86GHz, RAM: 2G, GIS Server: ArcGIS Server Enterprise Standard Lab Kit, Broswer: ArcGIS Explore build 500；演算法 2.0 以 100cm*100cm*100cm 之網格分析；演算法 2.1 以 50cm*50cm*50cm 之網格 分析；誤差單位為公分。就運算時間而言，SPA 4.0 所需之運算時間最短，約為 1 秒鐘，主要原因為該演算法為採用投影方式計算定位標籤位置，不須反覆運 算或修正；運算時間最長者為 SPA 2.0，該演算法為將空間切格為網格後以窮舉 方式逐一計算每一網格之誤差，以 100cm*100cm*100cm 之網格分析約需 336 個網格，計算時間約 90 秒，若將切割網格設定為 50cm*50cm*50cm 約需 3400 個網格，且佔用大量記憶體，運算時間超出 15 分鐘。上述計算時間為伺服器與 遠端在同一台機器，若遠端電腦透過網路連線則必須再加上網路連結所需之時 間。
表 5-8 參考標籤輔助定位模式誤差
距離 目標 演算法誤差
SPA 1.0 SPA 1.1 SPA 2.0 SPA 2.1 SPA 3.0 SPA 4.0
最小值
1 353 498 350 340 342 164
2 515 603 380 328 306 224
3 268 283 428 422 740 68.2
4 577 582 475 451 556 510
平均誤差 428 491 408 385 486 242
最大值
1 403 523 530 571 637 161
2 299 345 598 608 597 286
3 150 261 367 373 442 94.6 4 278 343 865 885 1088 459 平均誤差 283 368 590 609 691 250
平均值
1 314 357 192 215 406 127
2 249 294 129 204 285 259
3 53.1 89.5 334 317 603 92.3
4 260 319 446 510 511 444
平均誤差 219 265 275 312 451 231 (資料來源：本研究整理)
圖 5-8 A 天線定位 RF 等高線
(資料來源：本研究整理)
圖 5-9 B 天線定位 RF 等高線
圖 5-10 C 天線定位 RF 等高線
(資料來源：本研究整理)
圖 5-11 D 天線定位 RF 等高線
第三節 類神經網路定位
本研究依據「類神經網路定位流程」(圖 4-33)執行類神經網路定位演算法，
定位目標與「第二節 參考標籤輔助定位」所選取之 4 個位置(500,630,62)、
(700,630,62)、(700,430,146)、(1050,380,86)相同，定位計算流程說明如下：
1. 量測定位資料：類神經網路定位採取與「參考標籤輔助定位模式」相同 之天線功率(4 dbm)量測定位資料，為有效描述定位空間電波分佈狀況，將定位 空間 x,y,z 三軸每隔 1 米等分，x 軸 14 等分點、y 軸 9 等分點、z 軸 3 等分點，
三軸定位空間共計 378 個等分點，每一等分點量測四個天線所獲得之定位標籤 RSSI 值，藉此方式建立類神經網路之訓練資料，此外，為提高標籤讀取率並獲 得較穩定之訊號，定位資料量測採一次只喚回單一標籤方式。
2. 建立定位模式：定位模式為前饋式神經網路共三層，第一層為輸入層，
輸入 A、B、C、D 四個天線所獲得目標標籤之 RSSI 強度，第二層為包含四個 神經元之隱藏層，最後一層為輸出層，在此為 x,y,z 座標。
3.訓練定位模式：類神經網路訓練資料為第一步驟所獲得之 378 筆等分點 量測之資料，此資料記錄 378 點座標與四個天線所獲得之 RSSI 關係，學習執 行次數為 10000 次，執行時間約為 3 分鐘。
4.預測目標位置：將 A、B、C、D 四個天線所獲得目標標籤之 RSSI 強度 輸入訓練完成之定位模式，即可獲得定位結果，如表 5-9 所示，運用類神經網 路並配合「一次只喚回單一標籤方式」之平均誤差為 220 公分。
表 5-9 類神經網路定位結果
定位目標
實際位置 預測位置
x y z x y z 誤差
1 500 630 62 613 702 73 134 2 700 630 62 508 627 82 193 3 700 430 146 535 381 215 185 4 1050 380 86 1400 300 154 365
平均誤差 220
(資料來源：本研究整理)