Rastreador de sensor WiFi RSSI para la ISS

Sensores a bordo de la Estación Espacial Internacional (ISS), incluido el CO₂ personal monitores, requieren seguimiento de ubicación para correlacionar sus datos con marca de tiempo con información posicional. El etiquetado de datos basado en la inspección visual es costoso y poco práctico para rastrear muchos sensores. Una solución económica y eficiente es utilizar el único dispositivo de medición adicional que tienen estos sensores; es decir, sus lecturas de intensidad de señal WiFi o Bluetooth.

Usando estas lecturas de intensidad de señal, este software tiene como objetivo proporcionar información de ubicación aproximada a tiempo para unidades de sensores individuales. El propósito del proyecto Rastreador de sensores de la ISS a nivel de módulo (MIST, por sus siglas en inglés) es establecer un formato de datos y un protocolo estándar para registrar información sobre la intensidad de la señal de WiFi, de modo que luego pueda usarse para ubicar sensores a bordo de la ISS. Google y Apple tienen soluciones patentadas para servicios de ubicación que combinan datos de GPS con lecturas de intensidad de WiFi para brindar una estimación precisa de la posición de un teléfono celular; sin embargo, no existe tal método para rastrear dispositivos habilitados para Wi-Fi en la ISS.

Se eligieron máquinas de vectores de soporte (SVM) como el algoritmo a seguir. La principal motivación es la alta precisión en relación con la cantidad de muestras requeridas para el entrenamiento, ya que los datos de entrenamiento son el principal costo a bordo de la ISS. Se desarrolló una aplicación y una biblioteca de Python para registrar información WiFi y predecir posiciones. Se construyó una canalización de técnicas que proporciona un rendimiento muy preciso para los conjuntos de datos recopilados. Con un simple filtro de ventana móvil, el predictor puede identificar correctamente en qué módulo se encuentra un sensor con una precisión>95 %. Otras mejoras podrán acercar esto mucho más al 100 %.

El programa de software consta de dos modos de funcionamiento:entrenamiento y tiempo de ejecución. Para el entrenamiento, los datos WiFi RSSI se recopilan mediante las utilidades de línea de comandos estándar de Linux y se almacenan en formato csv. Las lecturas de RSSI en cada paso de tiempo se correlacionan con una ubicación numerada; en este caso, el módulo ISS. Estos datos se ejecutan a través de un conjunto de funciones de preprocesamiento que elimina las lecturas malas/escasas y organiza los datos en un formato listo para el algoritmo SVM. Luego, el SVM se entrena con el conjunto de datos de entrenamiento de acuerdo con un conjunto de parámetros ajustados a mano.

En el modo operativo de tiempo de ejecución, los datos se recopilan de forma similar al modo de entrenamiento, pero en serie. Estos datos pasan por el mismo preprocesador que los datos de entrenamiento, de modo que tanto los datos de entrenamiento como los de tiempo de ejecución se escalan a la misma media y varianza. Luego, el SVM toma estos datos preprocesados ​​y hace una mejor suposición basada en sus parámetros ajustados en cuanto a en qué módulo/ubicación se recolectó la muestra. Al usar un promedio de ventana móvil en cinco a diez muestras, se puede lograr una precisión de seguimiento superior al 95 %. .

No se sabe que ninguno de los aspectos individuales del algoritmo sea completamente nuevo, aunque la tubería específica de subrutinas puede serlo. Existen otros proyectos comerciales similares pero ninguno que proporcione claramente la flexibilidad para trabajar sin información GPS.

Los desarrolladores buscan probar el sistema con datos de entrenamiento recopilados en la ISS, lo que les permite ajustar los parámetros del sistema y determinar el valor del seguimiento WiFi SVM en un entorno verdaderamente de alta reflexión.

NASA busca licenciar libremente este software y hacerlo disponible para uso general para proyectos de código abierto. Comuníquese con el Conserje de licencias de la NASA en Esta dirección de correo electrónico está protegida contra spambots. Necesita habilitar JavaScript para verlo o llámenos al 202-358-7432 para iniciar conversaciones sobre licencias.