14440

مطالعه مدل‌هاي انتشار بي‌سيم در فضاي داخلي با يادگيري عميق

1402

سيد وحيد ازهري

زينب موحدي

چكيده در تشخيص مكان داخلي با استفاده از سيستم هاي موقعيت ياب جهاني (GPS)، تقريب و تخمين موقعيت از مهم ترين مسائل چالش برانگيز هستند. اخيراً ربات‌هاي متحرك در بسياري از كاربردها از جمله نظامي، غيرنظامي، صنعتي و غيره استفاده مي‌شوند. اين تحقيق يك سيستم نظارت بر افراد داخلي را با استفاده از نشانگر قدرت سيگنال دريافتي (RSSI) با سيستم مكان‌يابي اثر انگشت ارائه مي‌كند. اين سيستم فشرده، كم مصرف، مقرون به صرفه و پاسخگو است. داده‌هاي Wi-Fi را جمع‌آوري مي‌كند، از طريق بلوتوث انتقال مي‌دهد و از يادگيري ماشيني (ML) و يادگيري عميق (DL) براي تشخيص مكان استفاده مي‌كند. از داده‌هاي آفلاين براي آموزش مدل‌ها استفاده مي‌شود، در حالي كه داده‌هاي آنلاين به مكان‌يابي اهداف كمك مي‌كنند. طبقه‌بندي‌كننده‌هاي مختلف ML و DL، از جمله درخت تصميم (DT)، تحليل تفكيك خطي (LDA)، رگرسيون لجستيك (LR)، ماشين‌هاي بردار پشتيبان (SVM)، K-نزديك‌ترين همسايه‌ها (KNN)، طبقه‌بندي كننده ساده بيز (NB)، شبكه‌هاي عصبي (NN) و شبكه‌هاي عصبي كانولوشنال (CNN)، براي ساخت و محاسبه مدل مكان و شناسايي مكان موبايل يا در نقاط (x,y) يا (x,y,z). Matlab يا Python يك زبان برنامه نويسي سيستمي است كه براي پشتيباني از كتابخانه هاي يادگيري ماشيني مفيد است. دقت و سرعت طبقه‌بندي با استفاده از چندين الگوريتم ML، دقت خوبي را با زمان اجراي مناسب نشان مي‌دهد و در عرض چند ثانيه به دقت 90 درصد با دقت كمتر از 2 متر مي‌رسد. كلمات كليدي: RSSI، سيستم مكان يابي اثر انگشت، ML، Matlab يا Python

12/11/2024 12:00:00 AM

85675

1403/11/07

Studying Wireless Indoor Propagation Models with deep learning

كلمات كليدي: RSSI، سيستم مكانيابي اثر انگشت , متلب يا پايتون

Keywords: RSSI , fingerprinting loclazation system , ML , Matlab or Python