ISS 센서용 정확한 WiFi RSSI 추적

국제우주정거장(ISS) 탑재 센서(개인 CO₂ 모니터 포함)는 시간 스탬프 데이터와 위치 정보를 연관시키기 위해 위치 추적이 필요합니다. 시각적 검사 기반 데이터 라벨링은 많은 센서 추적에 비용이 많이 들고 비현실적입니다. 저렴하고 효율적인 해결책은 이 센서들이 가진 추가 측정 장치 하나, 즉 WiFi 또는 블루투스 신호 강도 판독값을 활용하는 것입니다.

이 신호 강도 판독값을 사용하여 이 소프트웨어는 개별 센서 유닛에 대한 대략적인 위치 정보를 시간 순서대로 제공하는 것을 목표로 합니다. 모듈 레벨 ISS 센서 추적기(MIST) 프로젝트의 목적은 나중에 ISS 탑재 센서 위치를 찾는 데 사용될 수 있도록 WiFi 신호 강도 정보 기록을 위한 표준 데이터 형식과 프로토콜을 설정하는 것입니다. 구글과 애플은 GPS 데이터와 WiFi 강도 판독값을 결합하여 휴대폰 위치를 정확하게 추정하는 위치 서비스에 독점 솔루션을 가지고 있지만, ISS에서 WiFi 지원 장치를 추적하는 그러한 방법은 없습니다.

서포트 벡터 머신(SVM)이 추구할 알고리즘으로 선택되었습니다. 주된 동기는 훈련에 필요한 샘플 수 대비 높은 정확도입니다. 훈련 데이터가 ISS에서 주요 비용이기 때문입니다. WiFi 정보 로깅과 위치 예측을 위한 파이썬 애플리케이션과 라이브러리가 개발되었습니다. 수집된 데이터 세트에 대해 매우 정확한 성능을 주는 기술 파이프라인이 구축되었습니다. 단순 이동 윈도우 필터로 예측기는 센서가 어느 모듈에 있는지 95% 이상의 정확도로 올바르게 식별할 수 있습니다. 추가 개선으로 100%에 훨씬 더 가까워질 수 있습니다.

소프트웨어 프로그램은 훈련과 런타임 두 가지 운영 모드로 구성됩니다. 훈련 모드에서는 표준 리눅스 명령줄 유틸리티로 WiFi RSSI 데이터를 수집하여 csv 형식으로 저장합니다. 각 시간 단계의 RSSI 판독값은 번호가 매겨진 위치(이 경우 ISS 모듈)와 연관됩니다. 이 데이터는 불량/희소 판독값을 제거하고 데이터를 SVM 알고리즘 준비 형식으로 정렬하는 전처리 함수 세트를 거칩니다. SVM은 수동 튜닝된 매개변수 세트에 따라 훈련 데이터 세트에 대해 훈련됩니다.

런타임 운영 모드에서는 훈련 모드와 비슷하게 데이터를 수집하지만 직렬로 합니다. 이 데이터는 훈련 데이터와 같은 전처리기를 거쳐 훈련 및 런타임 데이터가 동일한 평균과 분산으로 스케일링됩니다. SVM은 튜닝된 매개변수에 기반하여 샘플이 어느 모듈/위치에서 수집되었는지 최적의 추측을 합니다. 5~10개 샘플 이동 윈도우 평균을 사용하면 95% 이상의 추적 정확도를 달성할 수 있습니다.

알고리즘의 개별 측면 중 어느 것도 완전히 새로운 것으로 알려지지 않았지만, 특정 서브루틴 파이프라인은 새로울 수 있습니다. 다른 유사한 상업 프로젝트도 있지만 GPS 정보 없이 작동할 수 있는 유연성을 명확히 제공하는 것은 없습니다.

개발자들은 ISS에서 수집된 훈련 데이터로 시스템을 테스트하여 시스템 매개변수를 튜닝하고 진정한 고반사 환경에서 SVM WiFi 추적의 가치를 확인하려 합니다.

NASA는 이 소프트웨어를 자유롭게 라이선스하고 오픈 소스 프로젝트를 위해 일반용으로 제공하려 합니다. NASA 라이선싱 컨시어지(이메일: 스팸 방지를 위해 자바스크립트 필요, 전화: 202-358-7432)에 연락하여 라이선스 논의를 시작하세요.