Rastreador de sensor RSSI WiFi para a ISS

Sensores a bordo da Estação Espacial Internacional (ISS), incluindo CO₂ pessoal monitores, exigem rastreamento de localização para correlacionar seus dados com registro de data e hora com informações posicionais. A rotulagem de dados com base em inspeção visual é cara e impraticável para rastrear muitos sensores. Uma solução barata e eficiente é utilizar um dispositivo de medição adicional que esses sensores possuem; ou seja, suas leituras de intensidade de sinal WiFi ou Bluetooth.

Usando essas leituras de intensidade de sinal, este software visa fornecer informações de localização aproximadas em tempo para unidades de sensor individuais. O objetivo do projeto Module-level ISS Sensor Tracker (MIST) é definir um formato e protocolo de dados padrão para registrar informações de intensidade do sinal WiFi para que possam ser usadas posteriormente para localizar sensores a bordo do ISS. Google e Apple têm soluções proprietárias para serviços de localização que combinam dados de GPS com leituras de força WiFi para fornecer uma estimativa precisa da posição de um celular; no entanto, não existe tal método para rastrear dispositivos habilitados para WiFi na ISS.

Máquinas de vetor de suporte (SVM) foram escolhidas como o algoritmo a ser seguido. A principal motivação é a alta precisão em relação ao número de amostras necessárias para o treinamento, pois os dados de treinamento são o principal custo a bordo do ISS. Foi desenvolvido um aplicativo e biblioteca Python para registrar informações de WiFi e prever posições. Foi construído um pipeline de técnicas que proporcionam um desempenho altamente preciso para os conjuntos de dados coletados. Com um filtro de janela móvel simples, o preditor pode identificar corretamente em qual módulo um sensor está com precisão> 95%. Outras melhorias poderão trazer isso muito mais perto de 100%.

O programa de software consiste em dois modos de operação:treinamento e tempo de execução. Para treinamento, os dados WiFi RSSI são coletados usando utilitários de linha de comando padrão do Linux e armazenados em um formato csv. As leituras de RSSI em cada passo de tempo são correlacionadas a um local numerado; neste caso, o módulo ISS. Esses dados são executados por meio de um conjunto de funções de pré-processamento que elimina leituras ruins/esparsas e organiza os dados em um formato pronto para o algoritmo SVM. O SVM é então treinado contra o conjunto de dados de treinamento de acordo com um conjunto de parâmetros ajustado manualmente.

No modo de operação de tempo de execução, os dados são coletados de maneira semelhante ao modo de treinamento, mas em série. Esses dados são executados pelo mesmo pré-processador que os dados de treinamento, para que os dados de treinamento e de tempo de execução sejam dimensionados para a mesma média e variação. O SVM então pega esses dados pré-processados ​​e faz uma melhor estimativa com base em seus parâmetros ajustados sobre em qual módulo/local a amostra foi coletada. Usando uma média de janela móvel em cinco a dez amostras, mais de 95% de precisão de rastreamento pode ser alcançada .

Nenhum dos aspectos individuais do algoritmo é conhecido por ser totalmente novo, embora o pipeline específico de sub-rotinas possa ser. Existem outros projetos comerciais semelhantes, mas nenhum que forneça claramente a flexibilidade de trabalhar sem informações de GPS.

Os desenvolvedores estão procurando testar o sistema com dados de treinamento coletados no ISS, permitindo que eles ajustem os parâmetros do sistema e verifiquem o valor do rastreamento SVM WiFi em um ambiente verdadeiramente de alta reflexão.

A NASA procura licenciar livremente este software e disponibilizá-lo para uso geral em projetos de código aberto. Entre em contato com o Concierge de Licenciamento da NASA em Este endereço de e-mail está protegido contra spambots. Você precisa habilitar o JavaScript para visualizá-lo. ou ligue para 202-358-7432 para iniciar discussões sobre licenciamento.