12139

بررسي الگوريتم‌هاي يادگيري ماشين به‌منظور موقعيت‌يابي مبتني بر RSS در مكان‌هاي سرپوشيده

1400

دكتر سعيد عباداللهي

دكتر سهيل گنجه‌فر

رشد خدمات موقعيت‌يابي در مكان‌هاي سرپوشيده با گسترش روزافزون تكنولوژي‌هاي بي‌سيم افزايش‌يافته است. سيستم‌هاي موقعيت‌ياب رايج كه سيستم‌هاي موقعيت‌ياب ماهواره‌اي هستند، در موقعيت‌يابي مكان‌هاي سرپوشيده با چالش‌هاي بسياري مواجه هستند. علاوه بر اين تكنيك‌ها و الگوريتم‌هاي زيادي براي سيستم‌هاي موقعيت‌يابي داخلي پيشنهاد شده است، بااين‌حال، دقت، قابليت اطمينان و مقياس‌پذيري آن‌ها همچنان به‌عنوان چالش براي استفاده رايج باقي‌مانده است. فناوري‌هاي بي‌سيم مختلفي در سيستم‌هاي مكان‌يابي داخلي به كار برده شده است كه به‌وسيله مشخصه انتشار امواجشان موقعيت‌يابي صورت مي‌پذيرد. BLE، WiFi، UWB و RFID از جمله فناوري‌هايي هستند كه بيشتر در موقعيت‌يابي به كار برده شده‌اند. هر كدام از اين فناوري‌ها بر اساس ويژگي‌هايشان با تكنيك‌هاي گوناگون نظير شدت سيگنال دريافتي در سيستم‌هاي موقعيت‌يابي به كار برده مي‌شوند. استفاده از هركدام از فناوري‌هاي بي‌سيم و تكنيك‌هاي موقعيت‌يابي با چالش‌هايي از جمله دقت پايين، چندمسيره شدن و... همراه است. اخيراً تلاش‌هاي وسيعي بر رويكردهاي يادگيري ماشين براي غلبه بر اين چالش‌ها انجام شده است و با موفقيت‌هاي خوبي همراه شده است. تكنيك‌هاي يادگيري ماشين، با آموزش‌دادن مدلي از سيستم موقعيت‌ياب با استفاده از داده‌هاي موجود، در پيش‌بيني موقعيت بر اساس داده‌هاي آتي عمل مي‌كند. در گزارش اين سمينار به استفاده از روش‌هاي موقعيت‌يابي محيط‌هاي سرپوشيده با فناوري‌هاي مبتني بر شدت سيگنال دريافتي و راه‌حل‌هاي مختلف براي برطرف‌كردن چالش‌هاي موقعيت‌يابي خواهيم پرداخت.

5/24/2023 12:00:00 AM

79191

1402/04/04

Investigation of machine learning algorithms for positioning based on RSS in indoor places

موقعيت‌يابي مكان سرپوشيده , يادگيري ماشين , شدت سيگنال دريافتي

Indoor positioning , Machine Learning , RSS