8480

بررسي الگوريتم‌هاي مبتني بر يادگيري ماشين در موقعيت‌يابي در مكان سرپوشيده

سعيد عباداللهي

موقعيتيابي در مكانهاي مسقف موضوع جديدي است كه امروزه مطالعات جمعي از محققان را به خود اختصاص داده است. افزايش كارايي، بهينگني مصرف انرژي و تنوع فرستندهها و گيرندههاي بيسيم در بستر اينترنت اشياء و همچنين عدم كارايي سيستمهاي موقعيتيابي ماهوارهاي مانند GPS در موقعيتيابي در مكانهاي سربسته، از داليل اين مهم ميباشند. بر اساس دادههاي گوناگون دريافتي از فرستندههاي بيسيم روشهاي مختلفي جهت بدست آوردن اطالعات موقعيتي موجود است. از جمله دادههاي دريافتي ميتوان به قدرت سيگنال دريافتي، زاويه ورود سيگنال، زمان رفت و برگشت و اطالعات حالت كانال اشاره كرد كه هر كدام به حسب شرايط فيزيكي محيط، قدرت پردازنده مورد استفاده و ميزان دقت مورد انتظار، انتخاب و سپس روشهاي محاسبه و تخمين موقعيت بكار گرفته ميشود. روشهاي كالسيك با استفاده از فيلتر كالمن، روشهاي مبتني بر يادگيري ماشين )روش اثر انگشت( و روشهاي تركيبي، از جمله راهكارهاي محققين جهت تبديل دادههاي دريافتي به اطالعات موقعيتي ميباشند. در روش اثر انگشت ابتدا يك نقشه راديويي از تعداي نقاط مرجع بصورت دلخواه تهيه ميشود و مدل موردنظر طبق آن آموزش داده ميشود؛ در گام موقعيتيابي، بهترين تشابه ميان مشاهدات و دادههاي آموزشي بر اساس روش آموزشي مورد استفاده، بعنوان تخمين موقعيت استخراج ميشوند. روش-k نزديكترين همسايه، ماشين بردار پشتيبان، شبكههاي عصبي مصنوعي، جنگل تصادفي از اين دسته هستند.

5/29/2021 12:00:00 AM

71380

1400/03/08

A survey of machine learning based algorithms for indoor localization

موقعيت‌يابي در محيط سربسته , روش اثرانگشت , نقشه راديويي , روش k-نزديك‌ترين همسايه , ماشين بردار پشتيبان , شبكه‌هاي عصبي مصنوعي , جنگل تصادفي

Indoor positioning , Fingerprint method , Radio map , K-nn , SVM , Artificial neural networks , Random forest