Indoor Positioning System with Android

Dissertação de mestrado integrado em Engenharia Electrónica Industrial e Computadores (área de especialização em Informática Industrial)In this thesis, the indoor positioning problem is approached using an Android platform. This approach is based in tests with a set of algorithms and techniques. The performance of each algorithm and technique, in an indoor environment, is measured using data from a dataset of a known location mapped with a smartphone in a static and dynamic context, enabling the possibility to perform a wide range of tests and get useful insights. This thesis approach uses a developed dataset to test the performance of a set of algorithms in different contexts using the Android platform. The dataset has information relative to Wi-Fi signal strength, acceleration and magnetic field strength in different locations inside the room. Algorithms were tested using the useful information provided by the dataset. After those tests, it was concluded that fingerprinting is more suitable than multilateration indoors since multilateration can become unstable due its need of a distance estimation. The algorithm that returned better results was the Minimum Mean Square Error (MMSE) algorithm. Using this algorithm, a functional Android indoor positioning application was built.Nesta dissertação é abordado o problema de posicionamento em interiores usando a plataforma Android. Esta abordagem é baseada em testes de um grupo de algoritmos e técnicas. Em interiores, a performance de cada algoritmo e técnica é medida usando dados provenientes de um dataset. Este dataset diz respeito a uma área conhecida mapeada com um smartphone em contexto estático e dinâmico, de forma a abrir a possibilidade de efetuar uma diferente variedade de testes e obter várias estatisticas de interesse. Nesta dissertação, é desenvolvido um dataset que é usado como base para testar o performance de um grupo de algoritmos em diferentes contextos, usando para tal a plataforma Android. Este dataset tem informação relativa à intensidade do sinal Wi-Fi, aceleração e campos magnéticos em diferentes posições da sala. Os algoritmos foram testados usando o dataset desenvolvido. Depois dos testes efetuados, concluíu-se que o fingerprinting é mais adequado que a multilateração para efeitos de posicionamento indoor, isto porque a multilateração pode ficar instável devido á sua dependência de uma estimativa da distância. O algoritmo com melhores resultados foi o MMSE. Usando este algoritmo, uma aplicação Android para posicionamento em interiores foi desenvolvida