Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/35638
Title in Portuguese: Novas estratégias para o projeto de sistemas de posicionamento 3D em ambientes fechados baseados em aprendizado de máquina
Author: Nascimento, Hitalo Joseferson Batista
Advisor(s): Cavalcanti, Francisco Rodrigo Porto
Keywords: Teleinformática
Satélites artificiais em navegação
Sistema de Posicionamento Global
Inferência Bayesiana
3D indoor positioning
Bayesian inference
Fingerprint
Issue Date: 5-Jul-2018
Citation: NASCIMENTO, Hitalo Joseferson Batista. Novas estratégias para o projeto de sistemas de posicionamento 3D em ambientes fechados baseados em aprendizado de máquina. 2018. 115 f. Tese (Doutorado em Engenharia de Teleinformática)–Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2018.
Abstract in Portuguese: Sistemas de posicionamento indoor (IPS) têm atraído muita atenção nos últimos anos, e isso é motivado principalmente por um grande número de aplicações potenciais. No entanto, continua sendo um desafio maximizar a precisão desse tipo de sistema, especialmente para estimativas tridimensionais. Nesta tese, este problema é discutido de forma ampla. Além disso, três soluções baseadas em inferência Bayesiana são propostas. Entre essas soluções, destaca-se o sistema intitulado IPS-MAS, que foi desenvolvido a partir de um sistema multiagente composto por uma rede Bayesiana e uma rede neural profunda. Adicionalmente, esse sistema foi projetado de forma a combinar os métodos de multilateração e impressão digital, a fim de reduzir a região de aquisição dos vetores de intensidade de sinal recebido. Além disso, a relação entre a qualidade do sinal recebido e o nível de ruído, que é influenciada pelo incremento do número de pontos de acesso e do número de pessoas que se deslocam dentro do ambiente, é considerada pelo sistema. Os sistemas propostos apresentaram melhor desempenho quando comparado com os demais, resultando em erros de posicionamento médios de 0,90 m, 1,80 m, 1,82 m, para os algoritmos IPS-MAS, kmeans-NB e kNN-Bayes, respectivamente (cenário em que a combinação entre o método multilateração e impressão digital foi considerada somente para o algoritmo IPS-MAS) e 0,90 m, 1,12 m, 1,19 m, para os algoritmos IPS-MAS, kmeans-NB e kNN-Bayes, respectivamente (cenário em que a combinação entre o método multilateração e impressão digital foi considerada para as três soluções).
Abstract: Indoor positioning systems (IPS) have attracted much attention in recent years, and this is motivated mainly by a large number of potential applications. However, it remains challenging to maximize the precision of this type of system, especially for three-dimensional (3D) estimates. In this research, this problem is discussed in a broad way. In addition, three solutions based on Bayesian inference are proposed. Among these solutions, we highlight the IPS-MAS system, which was developed from a multiagent system composed of a Bayesian network and a deep neural network. Additionally, this proposed system was designed to combine the multilateration and fingerprint methods in order to reduce the acquisition region of the received signal strength vectors. Additionally, the relationship between the quality of the received signal and the noise level, which is influenced by the increase in the number of access points and the number of people moving within the environment, is considered by the system. The proposed systems presented better performance when compared to the others, resulting in mean positioning errors of 0.90 m, 1.80 m, 1.82 m, for the IPS-MAS, k means-NB and k means-NB, respectively (scenario where the combination between the multilateration and fingerprint method was considered only for the IPS-MAS algorithm) and 0.90 m, 1.12 m, 1.19 m for the algorithms IPS-MAS, k means-NB and kNN-Bayes, respectively (scenario where the combination between the multilateration and fingerprint method was considered for the three solutions).
URI: http://www.repositorio.ufc.br/handle/riufc/35638
Appears in Collections:DETE - Teses defendidas na UFC

Files in This Item:
File Description SizeFormat 
2018_tese_hjbnascimento.pdf7,35 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.