12928

بررسي روش‌هاي موقعيت‌يابي در مكان‌هاي سرپوشيده با‌استفاده از يادگيري‌ماشين

1400

دكتر سعيد عبادالهي

در سال هاي اخير پوشش بي‌سيم گسترده‌اي فراهم شده كه منجر به بهبود خدمات پيشرفته مبتني بر مكان (LBS) شده است.اين خدمات اساساً بر پيگيري دقيق مكان فيزيكي تكيه دارند كه چالش‌هاي قابل توجهي را ، به ويژه در محيط‌هاي داخلي به وجود مي‌آورد.برخي از تكنيك‌ها و الگوريتم‌ها براي سيستم‌هاي موقعيت‌يابي داخلي (IPS) پيشنهاد شده است، اما دقت، قابليت اطمينان، مقياس‌پذيري، و تطابق با محيط همچنان به عنوان چالش‌ها باقي‌مانده‌اند. به خصوص، ويژگي‌هاي پخش راديوي غيرمنتظره در محيط‌هاي داخلي با محدوديت‌ها و ويژگي‌هاي فناوري اين چالش‌ها را تشديد مي‌كنند.به تازگي، از رويكردهاي يادگيري ماشين به طور گسترده براي حل اين چالش‌ها با موفقيت استفاده شده است. در اين سمينار، هدف ما ارائه يك بررسي جامع از تكنيك‌هاي موقعيت‌يابي مبتني بر يادگيري ماشين با استفاده از فناوري‌هاي بي‌سيم رايج است. در ابتدا، به اختصار به تكنيك‌هاي موقعيت‌يابي داخلي پرداخته مي‌شود. سپس، انواع مختلفي از تكنيك‌هاي يادگيري ماشين (نظارت شده و بي‌نظارت) كه ممكن است چالش‌هاي مختلف در موقعيت‌يابي داخلي را شامل شود، از جمله مسئله Non-line-of-sight (NLOS)، تنوع دستگاه و تغييرات محيط با پيچيدگي معقول، بررسي مي‌شوند. مزايا و معايب بين مسائل متعدد با استفاده از نتايج منتشر شده بحث مي‌شوند. همچنين بحث مي‌شود كه چگونه الگوريتم‌هاي يادگيري ماشين مي‌توانند به طور مؤثر براي تركيب فناوري‌ها و الگوريتم‌هاي مختلف براي دستيابي به يك IPS جامع مورد استفاده قرار گيرند.

11/22/2023 12:00:00 AM

81392

1402/09/20

a study of indoor positioning system with machin learning

موقعيت‌يابي , محيط داخلي , يادگيري ماشين , غير خط ديد

indoor positioning , machine learning , NLOS