Localização em Ambientes Internos utilizando redes IEEE 802.11 e algoritmo WKNN

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Carvalho, Alípio de Sales
Outros Autores: http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4299594H4&tokenCaptchar=03AGdBq25jiywlni8Bdj4R6ZLJllWJfffILQXjSraz_7lDT2YCvyKy4P8gXgrHwU3wH9thdfrsy032eAtDtbnRAVVbr89t9X7B4uEd-TiAtlIV3fiCS2ixJbrW_WGqmvKMogjkMW_xxp6prIU2Rqc0svDCYgzY7RHHT3VRN8oKOyy6LlXRekcQEcydRSCEqBCTuQEkTlMKcvPuiCO0wgfXB0pv4e22gxhLb4BcWGEw-xft__eNhX7MasQIXqdM7a5jbd2De4KJyb0IbSN2Y4I6MsVmWeFeg4swrWpRCKsnfYEPIoSCoC6FHzO8BEWuDXC9rPRL2U23Mweuon-c8Bl6nln8YguNl_PwfEO-SggoEvRYj_G1Y90Vnzvwgtq6VWbZMrc5PL1YFlB1nKDBA_TQCTJqbwuFT29Vp5IdjTT93GLcE34NAF4QhywL4uoZv4CFpTc9A71CKh0G
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Amazonas
Faculdade de Tecnologia
Brasil
UFAM
Programa de Pós-graduação em Engenharia Elétrica
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
ILS
RSS
Link de acesso: https://tede.ufam.edu.br/handle/tede/8564
Resumo: Nos últimos anos, com a evolução das tecnologias de informação e comunicação, surgiram novas técnicas de localização de objetos ou usuários em ambientes internos. Apesar disso, os sistemas de localização interna (ILSs) continuam sendo um desafio, pois os trabalhos da literatura dependem de sensores com tecnologia específica e alto custo para obter a acurácia adequada para o sistema. Além disso, muitas trabalhos da literatura relacionados a ILS apresentam limitações em sua interface homem máquina (Human Machine Interface - HMI), dificultando a operação e a usabilidade. Nesta dissertação de mestrado apresenta-se proposta de ILS de alta capacidade computacional, fácil operação e usabilidade para determinar a localização de um usuário, a partir de seu smartphone, utilizando assinaturas dos sinais de RF (Radio Frequency) transmitidos em redes Wi-Fi pré-existentes no ambiente, uma base de dados criada a partir das assinaturas de RSSI coletadas e e algoritmo de aprendizagem supervisionada WKNN (Weighted K-Nearest Neighbor). O ILS proposto apresentou erro de localização RMSE (Root Mean Square Error) de 2,87m, superando trabalhos recentes da literatura, onde o menor erro de localização RMSE obtido foi de 4,31m, além disso, nesta dissertação propõe-se fornecer facilidades de configuração de HMI.