Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m

Ferreira, David Alan de Oliveira; http://lattes.cnpq.br/3863655668683045; https://orcid.org/0000-0001-5717-4018

Tese

Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m

A localização em ambientes internos e semiabertos é um campo de crescente interesse devido à ampla aplicação em sistemas inteligentes, como navegação em locais fechados, gestão logística e monitoramento de pacientes. No entanto, métodos tradicionais de construção de mapas de fingerprints, baseados e...

ver descrição completa

Autor principal:	Ferreira, David Alan de Oliveira
Outros Autores:	http://lattes.cnpq.br/3863655668683045, https://orcid.org/0000-0001-5717-4018
Grau:	Tese
Idioma:	por
Publicado em:	Universidade Federal do Amazonas 2025
Assuntos:	Sistemas de controle inteligente Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELETRICA Localização indoor e semiaberta Fusão de dados Redes neurais convolucionais Super-resolução de imagens Sistemas de posicionamento Wi-Fi Mapeamento de RSSI
Acesso em linha:	https://tede.ufam.edu.br/handle/tede/10699

id	oai:https:--tede.ufam.edu.br-handle-:tede-10699
recordtype	dspace
spelling	oai:https:--tede.ufam.edu.br-handle-:tede-106992025-02-21T05:07:47Z Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m Localization in semi-open environments with effort reduction by super-resolution and fusion of wi-fi and fm signals based on nakagami-m distribution Ferreira, David Alan de Oliveira Carvalho, Celso Barbosa http://lattes.cnpq.br/3863655668683045 http://lattes.cnpq.br/8269546823033896 Barreto, Raimundo da Silva http://lattes.cnpq.br/1132672107627968 Colonna, Juan Gabriel http://lattes.cnpq.br/9535853909210803 https://orcid.org/0000-0001-5717-4018 Sistemas de controle inteligente Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELETRICA Localização indoor e semiaberta Fusão de dados Redes neurais convolucionais Super-resolução de imagens Sistemas de posicionamento Wi-Fi Mapeamento de RSSI A localização em ambientes internos e semiabertos é um campo de crescente interesse devido à ampla aplicação em sistemas inteligentes, como navegação em locais fechados, gestão logística e monitoramento de pacientes. No entanto, métodos tradicionais de construção de mapas de fingerprints, baseados em medicões extensivas, enfrentam desafios relacionados ao alto custo de coleta e manutenção dos dados. Esta tese propõe um método inovador que combina técnicas de super-resolução de imagens e fusão de dados para otimizar a construção de fingerprints, reduzindo significativamente o esforço de coleta. O estudo integra medições de diferentes tecnologias, como redes Wireless Fidelity (Wi-Fi) e estações de rádio de frequência modulada ou Frequency Modulation (FM), para melhorar a robustez e precisão do sistema em cenários onde fontes de dados são limitadas ou inconsistentes. A metodologia envolve o uso de redes neurais convolucionais ou Convolutional Neural Network (CNN) previamente treinadas para processar dados do indicador de itensidade do sinal recebido ou Received Signal Strength Indicator (RSSI), permitindo a modelagem e previsão da propagação de sinal com maior detalhamento. Além disso, técnicas de fusão de dados são aplicadas para integrar informações de múltiplas fontes, maximizando a confiabilidade da localização em condições desafiadoras. Os experimentos foram conduzidos em 716 pontos de referência em um ambiente controlado, com avaliação de desempenho comparativo entre os métodos tradicionais e o modelo proposto. Os resultados demonstraram redução no esforço de coleta de dados, mantendo uma alta precisão de localização, com erro médio próximo a 1,31 metros utilizando menos da metade das redes Wi-Fi pré-defindas. Conclui-se que a abordagem proposta oferece uma solução eficiente para a construção de mapas de fingerprints, com potencial de aplicação em diversos cenários práticos. Este estudo avança o estado da arte em localização indoor e semiaberta, abrindo novos caminhos para o uso de aprendizado profundo e combinação de dados em sistemas de localização. Localization in indoor and semi-open environments is a field of growing interest due to its wide application in intelligent systems, such as indoor navigation, logistics management, and patient monitoring. However, traditional methods for constructing fingerprint maps, based on extensive measurements, face challenges related to the high cost of data collection and maintenance. This thesis proposes an innovative method that combines image super-resolution and data fusion techniques to optimize fingerprint construction, significantly reducing the collection effort. The study integrates measurements from different technologies, such as Wireless Fidelity (Wi-Fi) networks and Frequency Modulation (FM) radio stations, to improve the robustness and accuracy of the system in scenarios where data sources are limited or inconsistent. The methodology involves the use of previously trained Convolutional Neural Network (CNN) to process Received Signal Strength Indicator (RSSI) data, allowing the modeling and prediction of signal propagation in greater detail. In addition, data fusion techniques are applied to integrate information from multiple sources, maximizing localization reliability under challenging conditions. The experiments were conducted on 716 reference points in a controlled environment, with comparative performance evaluation between traditional methods and the proposed model. The results demonstrated a reduction in data collection effort, while maintaining high location accuracy, with an average error close to 1.31 meters using less than half of the pre-defined Wi-Fi networks. It is concluded that the proposed approach offers an efficient solution for the construction of fingerprint maps, with potential for application in several practical scenarios. This study advances the state of the art in indoor and semi-open localization, opening new paths for the use of deep learning and data combination in localization systems. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior 2025-02-20T20:31:17Z 2024-12-20 Tese FERREIRA, David Alan de Oliveira. Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m. 2025. 68 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal do Amazonas), Manaus (AM), 2025. https://tede.ufam.edu.br/handle/tede/10699 por Acesso Aberto https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica
institution	TEDE - Universidade Federal do Amazonas
collection	TEDE-UFAM
language	por
topic	Sistemas de controle inteligente Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELETRICA Localização indoor e semiaberta Fusão de dados Redes neurais convolucionais Super-resolução de imagens Sistemas de posicionamento Wi-Fi Mapeamento de RSSI
spellingShingle	Sistemas de controle inteligente Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELETRICA Localização indoor e semiaberta Fusão de dados Redes neurais convolucionais Super-resolução de imagens Sistemas de posicionamento Wi-Fi Mapeamento de RSSI Ferreira, David Alan de Oliveira Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m
topic_facet	Sistemas de controle inteligente Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELETRICA Localização indoor e semiaberta Fusão de dados Redes neurais convolucionais Super-resolução de imagens Sistemas de posicionamento Wi-Fi Mapeamento de RSSI
description	A localização em ambientes internos e semiabertos é um campo de crescente interesse devido à ampla aplicação em sistemas inteligentes, como navegação em locais fechados, gestão logística e monitoramento de pacientes. No entanto, métodos tradicionais de construção de mapas de fingerprints, baseados em medicões extensivas, enfrentam desafios relacionados ao alto custo de coleta e manutenção dos dados. Esta tese propõe um método inovador que combina técnicas de super-resolução de imagens e fusão de dados para otimizar a construção de fingerprints, reduzindo significativamente o esforço de coleta. O estudo integra medições de diferentes tecnologias, como redes Wireless Fidelity (Wi-Fi) e estações de rádio de frequência modulada ou Frequency Modulation (FM), para melhorar a robustez e precisão do sistema em cenários onde fontes de dados são limitadas ou inconsistentes. A metodologia envolve o uso de redes neurais convolucionais ou Convolutional Neural Network (CNN) previamente treinadas para processar dados do indicador de itensidade do sinal recebido ou Received Signal Strength Indicator (RSSI), permitindo a modelagem e previsão da propagação de sinal com maior detalhamento. Além disso, técnicas de fusão de dados são aplicadas para integrar informações de múltiplas fontes, maximizando a confiabilidade da localização em condições desafiadoras. Os experimentos foram conduzidos em 716 pontos de referência em um ambiente controlado, com avaliação de desempenho comparativo entre os métodos tradicionais e o modelo proposto. Os resultados demonstraram redução no esforço de coleta de dados, mantendo uma alta precisão de localização, com erro médio próximo a 1,31 metros utilizando menos da metade das redes Wi-Fi pré-defindas. Conclui-se que a abordagem proposta oferece uma solução eficiente para a construção de mapas de fingerprints, com potencial de aplicação em diversos cenários práticos. Este estudo avança o estado da arte em localização indoor e semiaberta, abrindo novos caminhos para o uso de aprendizado profundo e combinação de dados em sistemas de localização.
author_additional	Carvalho, Celso Barbosa
author_additionalStr	Carvalho, Celso Barbosa
format	Tese
author	Ferreira, David Alan de Oliveira
author2	http://lattes.cnpq.br/3863655668683045 https://orcid.org/0000-0001-5717-4018
author2Str	http://lattes.cnpq.br/3863655668683045 https://orcid.org/0000-0001-5717-4018
title	Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m
title_short	Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m
title_full	Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m
title_fullStr	Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m
title_full_unstemmed	Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m
title_sort	localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais wi-fi e fm baseada na distribuição nakagami-m
publisher	Universidade Federal do Amazonas
publishDate	2025
url	https://tede.ufam.edu.br/handle/tede/10699
_version_	1831970415452356608
score	11.753735

Localização em ambientes semiabertos com redução de esforço por super-resolução e fusão de sinais Wi-Fi e FM baseada na distribuição Nakagami-m

Registros relacionados