Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.109
Aluno: Douglas Tavares Ribeiro Paulino Silva
Orientador: Prof. Daniel Carvalho da Cunha
Título: Uma Avaliação de Métodos de Calibração Livre Aplicados à Radiolocalização Fingerprinting Baseada em Aprendizado de Máquina
Data: 25/09/2023
Hora/Local: 15h – Virtual – Interessados em Assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Fernando Maciano de Paula Neto (UFPE / Centro de Informática)
Prof. Renato Machado (ITA/ Divisão de Engenharia Eletrônica)
Prof. Daniel Carvalho da Cunha (UFPE / Centro de Informática)
RESUMO:
Os serviços baseados em localização têm se tornado essenciais no cotidiano das pessoas em diversas aplicações, especialmente em ambientes indoor, como, por exemplo, shoppings, aeroportos e hospitais. Uma das técnicas tradicionalmente utilizadas em localização indoor é a radiolocalização baseada em fingerprinting, que utiliza a similaridade entre os níveis de sinal de RF para estimar a localização do usuário. Contudo, essa técnica enfrenta desafios devido à heterogeneidade de dispositivos, mesmo quando estes são posicionados no mesmo local físico, resultando em variações nos níveis de sinal coletados, ocasionando o aumento do erro de predição na localização. Tais variações são causadas, em grande parte, pela falta de padronização de hardware entre os fabricantes, resultando em diferentes chipsets de RF. Para lidar com esse problema, métodos de calibração são empregados para normalizar as variações dos níveis de sinal, indiretamente contribuindo para a redução do erro de predição de distância. No entanto, alguns desses métodos, como o HLF, o RSC e o DIFF, podem prejudicar o desempenho da localização em cenários homogêneos, uma vez que constroem um novo fingerprint em vez de utilizar os valores brutos dos níveis de sinal coletados. Para abordar as limitações de cada método, foi proposto um novo método de calibração, resultante da combinação dos métodos previamente analisados. Este método se mostrou adaptável tanto em cenários heterogêneos quanto homogêneos, melhorando assim o desempenho global do sistema de localização. Por exemplo, o método RSC/W-RSS conseguiu reduzir o erro médio de predição de 7 a 22% em relação ao método RSC. Em relação ao custo computacional, o método RSC/W-RSS se destacou por sua eficiência entre os métodos combinados. Esse resultado era esperado, pois esse método se baseia no método RSC, que por sua vez teve o menor tempo de processamento entre os métodos isolados. A depender do algoritmo de AM utilizado no processo, a combinação dos métodos de calibração na técnica FP tem o potencial de aprimorar o desempenho da localização, desde que seja mantido um custo computacional viável. O principal destaque foi o algoritmo FA juntamente com o método RSC/W-RSS, que superou os algoritmos 𝑘-NN e SVR devido à sua eficiência em termos de custo computacional e menor erro de predição de distância em boa parte dos casos avaliados.
Palavras-chave: Fingerprinting, localização indoor, aprendizagem de máquina, métodos de calibração.
Comentários desativados