Rastreamento Preciso de RSSI WiFi para Sensores na ISS

Sensores a bordo da Estação Espacial Internacional (ISS), incluindo monitores pessoais de CO₂, requerem rastreamento de localização para correlacionar seus dados com carimbo de tempo com informação posicional. Rotulagem de dados baseada em inspeção visual é cara e impraticável para rastrear muitos sensores. Uma solução barata e eficiente é utilizar o dispositivo de medição adicional que esses sensores têm; nomeadamente, suas leituras de força de sinal WiFi ou Bluetooth.

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

Máquinas de vetores de suporte (SVM) foram escolhidas como o algoritmo a perseguir. A motivação principal é a alta precisão relativa ao número de amostras requeridas para treinamento, já que dados de treinamento é o principal custo a bordo da ISS. Um aplicativo e biblioteca Python para tanto registrar informação WiFi quanto prever posições foi desenvolvido. Um pipeline de técnicas foi construído que dá 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 >95% de precisão. Melhorias adicionais poderão trazer isso muito mais perto de 100%.

O programa de software consiste em dois modos operacionais: treinamento e tempo de execução. Para treinamento, dados RSSI WiFi são coletados usando utilitários de linha de comando Linux padrão e armazenados em formato csv. As leituras RSSI em cada passo de tempo são correlacionadas a uma localização numerada; neste caso, o módulo da ISS. Estes dados são passados por um conjunto de funções de pré-processamento que remove leituras ruins/esparsas e organiza os dados em 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 ajustados manualmente.

No modo operacional de tempo de execução, dados são coletados muito como no modo de treinamento mas serialmente. Estes dados são passados pelo mesmo pré-processador que os dados de treinamento, para que tanto dados de treinamento quanto de tempo de execução sejam escalados para a mesma média e variância. O SVM então pega estes dados pré-processados e faz a melhor suposição baseada em seus parâmetros ajustados sobre qual módulo/local a amostra foi coletada. Usando uma média de janela móvel sobre cinco a dez amostras, precisão de rastreamento acima de 95% pode ser alcançada.

Nenhum dos aspectos individuais do algoritmo são conhecidos por serem totalmente novos, embora o pipeline específico de sub-rotinas possa ser. Outros projetos comerciais similares existem mas nenhum que claramente forneça a flexibilidade de trabalhar sem informação GPS.

Os desenvolvedores estão procurando testar o sistema com dados de treinamento coletados na ISS, permitindo-lhes ajustar os parâmetros do sistema e determinar o valor do rastreamento WiFi SVM em um ambiente verdadeiramente de alta reflexão.

A NASA busca licenciar livremente este software e torná-lo disponível para uso geral em projetos de código aberto. Por favor, contate o Concierge de Licenciamento da NASA em Este endereço de e-mail está protegido contra spambots. Você precisa de JavaScript habilitado para visualizá-lo., ou ligue para 202-358-7432 para iniciar discussões de licenciamento.