国际空间站的 WiFi RSSI 传感器跟踪器
国际空间站 (ISS) 上的传感器，包括个人二氧化碳监测器，需要位置跟踪，以便将其时间戳数据与位置信息相关联。基于视觉检查的数据标记对于跟踪许多传感器来说既昂贵又不切实际。一种廉价而有效的解决方案是利用这些传感器拥有的一个额外的测量设备。即他们的 WiFi 或蓝牙信号强度读数。
使用这些信号强度读数，该软件旨在为各个传感器单元及时提供大致位置信息。模块级 ISS Sensor Tracker (MIST) 项目的目的是为记录 WiFi 信号强度信息设置标准数据格式和协议，以便以后用于定位 ISS 上的传感器。谷歌和苹果拥有专有的定位服务解决方案，将 GPS 数据与 WiFi 强度读数相结合，以准确估计手机的位置；但是，国际空间站上不存在这样的方法来跟踪支持 WiFi 的设备。
支持向量机（SVM）被选为所追求的算法。主要动机是相对于训练所需样本数量的高精度，因为训练数据是国际空间站上的主要成本。开发了用于记录 WiFi 信息和预测位置的 Python 应用程序和库。构建了一系列技术，可为收集的数据集提供高度准确的性能。通过一个简单的移动窗口过滤器，预测器可以以>95% 的准确度正确识别传感器所在的模块。进一步的改进将能够使这一比例更接近 100%。
该软件程序由两种操作模式组成：培训和运行时。对于训练，使用标准 Linux 命令行实用程序收集 WiFi RSSI 数据并以 csv 格式存储。每个时间步的 RSSI 读数与编号位置相关；在这种情况下，ISS 模块。该数据通过一组预处理函数运行，这些函数去除不良/稀疏读数并将数据排列成为 SVM 算法准备好的格式。然后根据手动调整的参数集针对训练数据集对 SVM 进行训练。
在运行时操作模式中，数据的收集与训练模式非常相似，但是是串行的。该数据与训练数据通过相同的预处理器运行，因此训练数据和运行时数据都缩放到相同的均值和方差。然后，SVM 采用这些预处理数据，并根据其调整参数对样本收集在哪个模块/位置做出最佳猜测。通过使用超过 5 到 10 个样本的移动窗口平均值，可以实现 95% 以上的跟踪准确度.
该算法的各个方面都不是完全新颖的，尽管子程序的特定管道可能是完全新颖的。存在其他类似的商业项目，但没有一个明确提供在没有 GPS 信息的情况下工作的灵活性。
开发人员希望使用在 ISS 上收集的训练数据来测试系统，从而使他们能够调整系统参数并确定 SVM WiFi 跟踪在真正的高反射环境中的价值。
NASA 寻求免费许可该软件并使其可用于开源项目的一般用途。请通过以下方式联系 NASA 的许可礼宾部 此电子邮件地址已受到垃圾邮件机器人的保护。您需要启用 JavaScript 才能查看它。或致电 202-358-7432 与我们联系以发起许可讨论。
传感器