ISSセンサー向け高精度WiFi RSSIトラッキング

国際宇宙ステーション（ISS）搭載センサー（個人用CO₂モニター含む）には位置トラッキングが必要で、タイムスタンプ付きデータを位置情報と相関付けます。目視検査ベースのデータラベリングは、多数センサーのトラッキングには高コストで非現実的です。安価で効率的な解決策は、これらセンサーが持つ追加測定デバイス、すなわちWiFiまたはBluetooth信号強度読み取りを利用することです。

これら信号強度読み取りを用いて、このソフトウェアは個々のセンサーユニットのおおよその位置情報を時間とともに提供することを目指します。Module-level ISS Sensor Tracker（MIST）プロジェクトの目的は、WiFi信号強度情報を記録する標準データ形式とプロトコルを定め、後でISS船内センサー位置特定に使用できるようにすることです。GoogleとAppleはGPSデータとWiFi強度を組み合わせてスマホ位置を高精度推定する独自位置サービスを持っていますが、ISS上のWiFi対応デバイス追跡にこうした手法は存在しません。

アルゴリズムにはサポートベクターマシン（SVM）が選ばれました。主な動機は、訓練データがISS上での主コストであるため、必要訓練サンプル数に対する高精度です。WiFi情報ログ記録と位置予測のためのPythonアプリケーションとライブラリを開発しました。収集データセットに対して高精度な性能を発揮するサブルーチンパイプラインを構築しました。シンプルな移動ウィンドウフィルターで、予測器がセンサーのいるモジュールを95%以上の精度で正しく特定できます。さらなる改良で100%に近づけられます。

ソフトウェアプログラムは訓練と実行の二つの動作モードで構成されます。訓練では、標準LinuxコマンドラインユーティリティでWiFi RSSIデータを収集し、CSV形式で保存します。各タイムステップのRSSI読み取りを番号付き位置（この場合ISSモジュール）と相関付けます。このデータを前処理関数セットで処理し、不良/希薄読み取りを除去し、SVMアルゴリズム対応形式に整えます。SVMを手動調整パラメータセットに従って訓練データセットで訓練します。

実行モードでは、訓練モードと同様にデータを収集しますが直列的に行います。このデータを訓練データと同じ前処理にかけ、両方が同じ平均と分散にスケーリングされます。SVMが調整済みパラメータに基づき、サンプルがどのモジュール/位置で収集されたか最良の推測を行います。5～10サンプルの移動ウィンドウ平均を用いることで、95%以上のトラッキング精度が達成できます。

アルゴリズムの個々の側面は完全に新規とは知られていませんが、特定のサブルーチンパイプラインは新規かもしれません。類似商用プロジェクトは存在しますが、GPS情報なしで動作する柔軟性を明確に提供するものはありません。

開発者たちはISSで収集した訓練データでシステムをテストし、システムパラメータを調整し、真の高反射環境でのSVM WiFiトラッキング価値を確認することを目指しています。

NASAはこのソフトウェアをフリーライセンスで提供し、オープンソースプロジェクトで一般利用可能にすることを求めています。NASAライセンシングコンシェルジュまでお問い合わせください。電話：202-358-7432。