Indoor positioning with probabilistic WkNN Wi-Fi fingerprinting
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/89629
Realitzat a/ambUniversità degli studi di Roma "La Sapienza"
Tipus de documentTreball Final de Grau
Data2016-07-11
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
This work is focused on a probabilistic approach to implement Wi-Fi fingerprinting Weighted k-Nearest Neighbors (WkNN) algorithms in indoor position estimation. Still, deterministic approach is compared with the probabilistic methods tested, to see if there is an improvement on the results. This is the main goal of this experiment. In this work, several tests are carried out in an indoor scenario. Many parameters and distribution functions are used, and the results show that the probabilistic option with the lowest mean error in the estimation is the exponential non weighted, but is not lower, by little, than in the deterministic approach. In a future work, the same experiment should be done in better conditions, doing a better test bed and considering more factors when implementing the algorithms. Este proyecto se centra en el enfoque probabilístico para implementar algoritmos basados en ?WkNN (K vecinos más cercanos) Wi-Fi fingerprinting? en la estimación de una localización indoor. Aún así, el enfoque determinístico se compara con los métodos probabilísticos utilizados, para ver si realmente hay una mejora en los resultados. Este es el objetivo principal de nuestro experimento. Durante el proyecto se hacen varias pruebas en un escenario indoor. Se usan también muchos parámetros y funciones de distribución , y los resultados muestran cómo la opción probabilística con menor error medio en la estimación es la exponencial no pesada, pero no es menor, por poco, que en la determinística. En futuros proyectos se debería repetir el experimento en mejores condiciones, haciendo un mejor y más pensado banco de pruebas y teniendo en cuenta más factores a la hora de implementar el código. Aquest projecte es centra en l?enfocament probabilístic per implementar algoritmes basats en ?WkNN (K veïns más propers) Wi-Fi fingerprinting? en l?estimació d?una localització indoor. Tot i així, l?enfocament determinístic es compara amb els mètodes probabilístics utilitzats, per veure si realment hi ha una millora en els resultats. Aquest és l?objetiu principal del nostre experiment. Durant el projecte es fan diverses probes en un escenari indoor. S?usen tambén molts paràmetres y funcions de distribució, i els resultats mostren com la opció probabilística amb menor error mig en l?estimació és l?exponencial no pesada, pero no és menor, per poc, que en la determinística. En futurs projectes es deuria repetir l?experiment en millors condicions, fent un millor i més pensat banc de probes i tenint en compte més factors a l?hora d?implementar el codi.
Descripció
Design and implementation of 3D indoor positioning algorithms and visualization tools based on WiFi fingerprinting
MatèriesFingerprints, Wireless localization, Indoor positioning systems (Wireless localization), Wireless LANs, Dactiloscòpia, Xarxes locals sense fil Wi-Fi
TitulacióGRAU EN ENGINYERIA DE SISTEMES DE TELECOMUNICACIÓ (Pla 2010)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
TFG - WiFi fingerprinting.pdf | 1,463Mb | Visualitza/Obre | ||
Anexes (codi Matlab).zip | 391,7Kb | application/zip | Visualitza/Obre |