33432

بهبود عملكرد روش اثرانگشت مبتني بر RSS در حوزه موقعيت يابي داخلي با فناوري واي فاي به كمك الگوريتم هاي يادگيري ماشين

كارشناسي ارشد

مهندسي برق- كنترل

1400

1403/11/28

سعيد عبادالهي

/

پرديس دانشگاهي - دانشكده مهندسي برق

موقعيت‌يابي داخلي به دليل محدوديت‌هاي فناوري‌هايي چون GPS در محيط‌هاي سرپوشيده، يكي از چالش‌هاي مهم در حوزه‌هاي مختلف كاربردي مانند بيمارستان‌ها، موزه‌ها و مراكز خريد تبديل شده است. روش‌هاي مختلفي براي اين منظور توسعه يافته‌اند كه يكي از محبوب‌ترين آن‌ها استفاده از فناوري Wi-Fi و روش‌هاي اثر انگشت مبتني بر RSS است. با اين حال، دقت اين روش‌ها به‌ويژه در محيط‌هاي پيچيده تحت تأثير عواملي همچون نوسانات قدرت سيگنال، چندمسيره بودن و عدم وجود خط ديد مستقيم (NLOS) قرار مي‌گيرد. هدف اين پايان‌نامه، بهبود دقت موقعيت‌يابي داخلي با استفاده از الگوريتم‌هاي يادگيري ماشين به ويژه تركيب مدل‌هاي مختلف به كمك روش‌هاي يادگيري گروهي و يادگيرنده متا است.

1404/03/11

performance improvement of RSS-Based localization in indoor positioning using Wi-Fi technology and machine learning algorithms.

2/16/2026 12:00:00 AM

Indoor positioning has become a major challenge in various application areas such as hospitals, museums, and shopping malls due to the limitations of technologies such as GPS in indoor environments. Various methods have been developed for this purpose, the most popular of which are the use of Wi-Fi technology and RSS-based fingerprinting methods. However, the accuracy of these methods is affected by factors such as signal strength fluctuations, multipath, and no-line-of-sight (NLOS), especially in complex environments. The aim of this thesis is to improve the accuracy of indoor positioning using machine learning algorithms, especially combining different models with the help of ensemble learning and meta-learning methods.

موقعيت‌يابي در محيط‌هاي داخلي , فناوري WiFi , طبقه‌بندي محيط , لگوريتم‌هاي يادگيري ماشين , الگوريتم‌هاي رگرسيون , تخمين موقعيت

Positioning in indoor environments , WiFi technology , Environment classification , Machine learning algorithms , Regression Algorithms , Position Estimation

Sayna Moradi

Dr. Saeeid Ebadollahi