Estimação do Ângulo de Chegada utilizando Bluetooth 5.1 e redes profundas

• Ano de defesa: 2023
• Autor(a) principal: Nascimento, Lennon Brandão Freitas do
• Outros Autores: http://lattes.cnpq.br/0238273463141097
• 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
• Palavras-chave em Português: ENGENHARIAS: ENGENHARIA ELETRICA; Localização de direção; Bluetooth; Ângulo de Chegada; Redes profundas; Orientação de objetos
• Link de acesso: https://tede.ufam.edu.br/handle/tede/9892

Os sistemas de posicionamento indoor ganharam destaque impulsionados pelo aumento do uso de dispositivos móveis e pela necessidade de localização ou orientação precisa em diversos setores. O Bluetooth Low Energy (BLE) 5.1 destacase para tarefas de orientação espacial devido ao baixo consumo energético e à disponibilidade de recursos para obtenção do ângulo de chegada (AoA), por meio de amostras em quadratura IQ. O processamento dessas amostras é fundamental para a estimação do AoA. No entanto, a literatura carece de bases de dados desses sinais de rádio com amostras reais além de ainda não dispor de estudos aplicando conceitos de machine learning e, especificamente, de deep learning, para estimar o ângulo de chegada. Nesse contexto, este trabalho propõe o uso de técnicas de deep learning para a estimação do AoA por meio de um modelo de regressão aplicado a sistemas de orientação indoor baseados em Bluetooth utilizando amostra reais coletadas. Apresentamos todo o cenário de coleta e os procedimentos necessários para a validação das amostras e do modelo proposto. Através da métrica de desempenho Mean Absolute Error (MAE), constatamos um erro de 1,38° na estimação do ângulo de 135° e, no geral, o modelo proposto apresentou um MAE de 1,87°.