Localização em ambientes internos utilizando redes IEEE 802.11

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

Dissertação

Localização em ambientes internos utilizando redes IEEE 802.11

Este trabalho propõe um método que emprega o algoritmo de aprendizado de máquina k-Nearest Neighbors (kNN) para determinar a localização de objetos móveis em ambientes internos. No cenário de testes, o objeto móvel é representado por uma estação sem fio (Wireless Station - WSTA) que utiliza tecnolog...

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:	Dissertação
Idioma:	por
Publicado em:	Universidade Federal do Amazonas 2019
Assuntos:	Localização interna Algoritmo kNN Análise de quartis Wi-Fi Indoor location kNN algorithm Quartile analysis ENGENHARIAS: ENGENHARIA ELÉTRICA: ELETRÔNICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRÔNICOS ENGENHARIAS: ENGENHARIA ELÉTRICA: TELECOMUNICAÇÕES
Acesso em linha:	https://tede.ufam.edu.br/handle/tede/7129

id	oai:https:--tede.ufam.edu.br-handle-:tede-7129
recordtype	dspace
spelling	oai:https:--tede.ufam.edu.br-handle-:tede-71292019-05-08T05:03:51Z Localização em ambientes internos utilizando redes IEEE 802.11 Localization in internal environments using IEEE 802.11 networks Ferreira, David Alan de Oliveira Carvalho, Celso Barbosa http://lattes.cnpq.br/3863655668683045 http://lattes.cnpq.br/8269546823033896 Bezerra, Thiago Brito http://lattes.cnpq.br/6915300464157124 Ayres Júnior, Florindo Antônio de Carvalho http://lattes.cnpq.br/1919442364965261 https://orcid.org/0000-0001-5717-4018 Localização interna Algoritmo kNN Análise de quartis Wi-Fi Indoor location kNN algorithm Quartile analysis ENGENHARIAS: ENGENHARIA ELÉTRICA: ELETRÔNICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRÔNICOS ENGENHARIAS: ENGENHARIA ELÉTRICA: TELECOMUNICAÇÕES Este trabalho propõe um método que emprega o algoritmo de aprendizado de máquina k-Nearest Neighbors (kNN) para determinar a localização de objetos móveis em ambientes internos. No cenário de testes, o objeto móvel é representado por uma estação sem fio (Wireless Station - WSTA) que utiliza tecnologia Wi-Fi (Wireless Fidelity). Para estimar a localização da WSTA realizaram-se medições do Indicador de Intensidade do Sinal Recebido (Received Signal Strength Indicator - RSSI), dos sinais provenientes de pontos de acesso (Access Points - APs), a partir de pontos de coleta específicos denotados como pontos de referência (Reference Points - RPs). Neste cenário, em uma fase inicial de treinamento do algoritmo, cada RP é utilizado para coletar amostras de RSSI em um processo de varredura dos APs instalados no ambiente. Ainda na fase de treinamento, utilizam-se medidas de quartis para representar o comportamento destas amostras de RSSI. Posteriormente, na fase de testes, os dados do conjunto de treinamento, formado pelos quartis, são comparados com novos dados a fim de determinar a posição da WSTA. Na avaliação de desempenho, verificou-se que o algoritmo proposto possuiu erro nulo com apenas quatro APs e 10 leituras por amostras com 17,27 segundos de tempo de processamento. Verifica-se que os resultados com estes valores são contribuições importantes, o que assegura que utilizar o algoritmo kNN adotando um conjunto de dados sumarizado com medidas de quartis, é um método promissor para localizar objetos em ambientes internos. This work proposes a method that employs the k-Nearest Neighbors (kNN) machine learning algorithm to determine the location of moving objects indoors. In the test scenario, the mobile object is represented by a Wireless Station (WSTA) that uses Wi-Fi (Wireless Fidelity) technology. In order to estimate the location of the WSTA, measurements were made of the Received Signal Strength Indicator (RSSI), from signals from access points (APs), from specific collection points denoted as points reference points (RPs). In this scenario, in an initial phase of training the algorithm, each RP is used to collect RSSI samples in a process of scanning APs installed in the environment. Also in the training phase, quartiles measurements are used to represent the behavior of these RSSI samples. Subsequently, in the test phase, the training set data, formed by the quartiles, are compared with new data in order to determine the position of the WSTA. In the performance evaluation, it was verified that the proposed algorithm had null error with only four APs e 10 readings per sample with 17.27 seconds of processing time. It is verified that the results with these values are important contributions, which ensures that using the kNN algorithm adopting a dataset summarized with quartiles measurements is a promising method to locate objects indoors. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior 2019-05-07T13:47:38Z 2019-03-27 Dissertação FERREIRA, David Alan de Oliveira. Localização em ambientes internos utilizando redes IEEE 802.11. 2019. 61 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2019. https://tede.ufam.edu.br/handle/tede/7129 por Acesso Aberto http://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	Localização interna Algoritmo kNN Análise de quartis Wi-Fi Indoor location kNN algorithm Quartile analysis ENGENHARIAS: ENGENHARIA ELÉTRICA: ELETRÔNICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRÔNICOS ENGENHARIAS: ENGENHARIA ELÉTRICA: TELECOMUNICAÇÕES
spellingShingle	Localização interna Algoritmo kNN Análise de quartis Wi-Fi Indoor location kNN algorithm Quartile analysis ENGENHARIAS: ENGENHARIA ELÉTRICA: ELETRÔNICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRÔNICOS ENGENHARIAS: ENGENHARIA ELÉTRICA: TELECOMUNICAÇÕES Ferreira, David Alan de Oliveira Localização em ambientes internos utilizando redes IEEE 802.11
topic_facet	Localização interna Algoritmo kNN Análise de quartis Wi-Fi Indoor location kNN algorithm Quartile analysis ENGENHARIAS: ENGENHARIA ELÉTRICA: ELETRÔNICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRÔNICOS ENGENHARIAS: ENGENHARIA ELÉTRICA: TELECOMUNICAÇÕES
description	Este trabalho propõe um método que emprega o algoritmo de aprendizado de máquina k-Nearest Neighbors (kNN) para determinar a localização de objetos móveis em ambientes internos. No cenário de testes, o objeto móvel é representado por uma estação sem fio (Wireless Station - WSTA) que utiliza tecnologia Wi-Fi (Wireless Fidelity). Para estimar a localização da WSTA realizaram-se medições do Indicador de Intensidade do Sinal Recebido (Received Signal Strength Indicator - RSSI), dos sinais provenientes de pontos de acesso (Access Points - APs), a partir de pontos de coleta específicos denotados como pontos de referência (Reference Points - RPs). Neste cenário, em uma fase inicial de treinamento do algoritmo, cada RP é utilizado para coletar amostras de RSSI em um processo de varredura dos APs instalados no ambiente. Ainda na fase de treinamento, utilizam-se medidas de quartis para representar o comportamento destas amostras de RSSI. Posteriormente, na fase de testes, os dados do conjunto de treinamento, formado pelos quartis, são comparados com novos dados a fim de determinar a posição da WSTA. Na avaliação de desempenho, verificou-se que o algoritmo proposto possuiu erro nulo com apenas quatro APs e 10 leituras por amostras com 17,27 segundos de tempo de processamento. Verifica-se que os resultados com estes valores são contribuições importantes, o que assegura que utilizar o algoritmo kNN adotando um conjunto de dados sumarizado com medidas de quartis, é um método promissor para localizar objetos em ambientes internos.
author_additional	Carvalho, Celso Barbosa
author_additionalStr	Carvalho, Celso Barbosa
format	Dissertação
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 internos utilizando redes IEEE 802.11
title_short	Localização em ambientes internos utilizando redes IEEE 802.11
title_full	Localização em ambientes internos utilizando redes IEEE 802.11
title_fullStr	Localização em ambientes internos utilizando redes IEEE 802.11
title_full_unstemmed	Localização em ambientes internos utilizando redes IEEE 802.11
title_sort	localização em ambientes internos utilizando redes ieee 802.11
publisher	Universidade Federal do Amazonas
publishDate	2019
url	https://tede.ufam.edu.br/handle/tede/7129
_version_	1831969750639443968
score	11.753735

Localização em ambientes internos utilizando redes IEEE 802.11

Registros relacionados