Desarrollo de un sistema de posicionamiento en interiores mediante Bluetooth Low Energy

Abstract

Este Trabajo Final de Máster presenta el desarrollo de un sistema de posicionamiento en interiores de bajo presupuesto utilizando la tecnología Bluetooth Low Energy (BLE) y técnicas en el estado del arte. El sistema propone un esquema de procesamiento con un kernel de posicionamiento separado de un filtro de partículas que mejora la precisión de la localización. Las técnicas utilizadas como kernel son la multilateración y el fingerprinting utilizando medidas de RSSI, las cuales se filtran previamente con un filtro de Kalman. Adicionalmente, el sistema ofrece un servicio de posicionamiento semántico basado en un clasificador por Máquina de Soporte Vectorial (SVM). El sistema se ha desarrollado como un servicio web, lo que facilita su integración, escalabilidad y mantenibilidad. Las pruebas se realizaron desplegando el sistema con balizas BLE basadas en el microcontrolador ESP32, así como dos terminales Android, en dos escenarios diferentes, a saber: en Sala (37 m2), con línea de visión directa entre las balizas y el terminal, y en Planta (135 m2), sin línea de visión directa. Los resultados obtenidos muestran que el prototipo del sistema puede operar con un error de localización de aproximadamente 1.5 metros y una precisión promedio al clasificar la estancia del 91% en entornos domésticos. Estas prestaciones validan el diseño en base a los objetivos del proyecto. En conclusión, este trabajo demuestra cómo una tecnología tan extendida como BLE puede emplearse eficazmente para aplicaciones de posicionamiento en interiores con un bajo coste de desarrollo.

The present Master Thesis describes the development of a low-cost Indoor Positioning System based on the technology Bluetooth Low Energy and state-ofthe- art positioning techniques. The system proposes a processing scheme that separates the positioning kernel from a particle filter, which enhances the location precision. The techniques used as positioning kernel are multilateration and fingerprinting based on RSSI measurements, which are filtered previously by a Kalman filter. In addition, the system provides a semantic positioning service based on a Support Vector Machine (SVM) classifier. The system has been designed as a web service, facilitating its integration, scalability, and maintainability. Testing was carried out by deploying the system with BLE beacons based on the microcontroller ESP32 as well as two Android terminals, across two different scenarios, namely: a Room (37 m2), with line-ofsight between the beacons and the terminal, and a Floor (135 m2), without line-ofsight. The yielded results demonstrate that the system prototype works with a location error of approximately 1.5 meters and an average room classification precision of 91% in domestic environments. This performance validates the design according to the project’s objectives. In conclusion, this thesis showcases how such a widely spread technology like BLE can be effectively used for indoor positioning applications with a low development cost.