Estimation of movement information in wireless local area networks

Antureiden mittaustietoja pystytään jakamaan langattomien lähiverkkojen avulla. Jakaminen mahdollistaa mittaustietojen käyttäytymisen tarkastelun toisiinsa nähden. Tyypillisestä käyttäytymisestä voidaan tehdä arvio, jota on mahdollista käyttää mittaustietojen estimoinnissa. Tämä on merkittävää, koska mittaustietoja käyttävä laite voi arvion perusteella ennakoida tulevaa mittausta ja mahdollisesti toimia sen mukaan. Työn keskeisessä osassa on valaisinverkon laitteiden liikehavaintojen estimointi. Estimoitavan ympäristön hahmottamiseksi perehdytään langattomien solmuverkkojen rakenteeseen sekä radioliikenteeseen perustuviin tiedonsiirtomenetelmiin. Tämän lisäksi perehdytään liikeanturiin sekä tutkitaan menetelmiä liikehavaintojen estimointiin. Työssä kehitettiin liikkeenestimointijärjestelmän toteuttava algoritmi. Algoritmi tuottaa arvion lähiverkon laitteen liikehavainnosta suhteessa omaan havaintoon. Arvion merkittävin osa kertoo miten nopeasti oma liikehavainto tyypillisesti seuraa lähiverkon havainnon jälkeen. Solmuissa olevat arviot kertovat käytännössä lähiverkon yleisimmistä kulkureiteistä.It is possible to share measurement data from sensors using wireless local area networks. Sharing enables the comparing of the measurement data in relation to each other. You can make an estimate of typical behavior, which makes the predicting of measurement data possible. This is significant, because a device that uses measurement data can foresee the upcoming measuring and act accordingly. In the center of the thesis is the estimation of movement within the lighting network. To perceive the environment under estimation we get acquainted with wireless mesh networks and communication medias based on radio. In addition, we take a look at the movement sensor and do research on estimation methods for observing movement. The main achievement of the thesis is the development of an algorithm, which produces the system for estimating movement. The algorithm produces an estimate of movement observation in the local network in relation to the device´s own observation. The primary part of the estimation tells how quickly the sensor reacts to movement after the node in the local area network has seen the movement. In practice this shows you the most common paths used in the local area network