KaydedilenlerDerginizi ekleyin

Dergiler / Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi / 2020 / Cilt: 11 - Sayı: 3

RSSI Sinyalleri Kullanarak İç Ortamda Parmak İzi Tabanlı YSA ile Konum Tespitinin Gerçekleştirilmesi

Ebubekir ERDEM
Ayşe TEKBAŞ
Taner TUNCER
Sayfa
925–931
Yayın Tarihi
2022-10-11
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu makalede, kapalı bir ortamda konumlandırılmış sensörler yardımıyla ortamın parmak izi RSSI sinyalleri yardımıyla çıkartılmış ve sensör düğüm konumları YSA kullanılarak tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Açık alanlarda konum tespiti doğru bir şekilde GPS(Global Positioning System) sistemleri vasıtasıyla elde edilebilmektedir.
📊
Temel Bulgular & Veri:Gerçekleştirilen uygulamada 2 senaryo kullanılmıştır.
💡
Sonuç & Katkı:Bu makalede, kapalı bir ortamda konumlandırılmış sensörler yardımıyla ortamın parmak izi RSSI sinyalleri yardımıyla çıkartılmış ve sensör düğüm konumları YSA kullanılarak tespit edilmiştir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:RSSI · Konum Tespiti · Parmak İzi Algoritması

Özet

Açık alanlarda konum tespiti doğru bir şekilde GPS(Global Positioning System) sistemleri vasıtasıyla elde edilebilmektedir. Ancak GPS sistemleri kapalı ortamlarda konum bilgisini hassas bir şekilde ölçememektedir. İç ortamlarda konum tespiti için özel ağ sistemleri tasarlanmaktadır. Bu makalede, kapalı bir ortamda konumlandırılmış sensörler yardımıyla ortamın parmak izi RSSI sinyalleri yardımıyla çıkartılmış ve sensör düğüm konumları YSA kullanılarak tespit edilmiştir. Gerçekleştirilen uygulamada 2 senaryo kullanılmıştır. İlk senaryo boş bir ofis ortamında, ikinci senaryo ise insanların ve çeşitli nesnelerin olduğu bir ofis ortamında gerçekleştirilmiştir. Sensör düğümlerin gerçek ve tahmini konumları ölçüldüğünde hesaplanan hatanın literatüre göre kabul edilebilir olduğu görülüştür. İlk senaryo için konum tespiti ortalama 18,2 cm hata ile ikinci senaryoda ortalama 24,2 cm hata ile tespit edilmiştir. Önerilen algoritma ve uygulama doğruluk ve güvenilirlik açısından mevcut tekniklerle paralel sonuçlar üretmektedir.

🔖

Bu Makaleye Atıf Yap

ERDEM, E., TEKBAŞ, A., TUNCER, T. (2022). RSSI Sinyalleri Kullanarak İç Ortamda Parmak İzi Tabanlı YSA ile Konum Tespitinin Gerçekleştirilmesi. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, Cilt: 11 - Sayı: 3, 925–931. https://ajindex.com/articles/487753

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (3)

  1. G. Félix, M. Siller E. Álvarez “A fingerprinting indoor localization algorithm based deep learning”, 2016 Eighth International Conference on Ubiquitous and Future Networks (ICUFN), pp.1006-1011, 2016 2. Z. Liu, B. Dai, X. Wan, X. Li, “Hybrid Wireless Fingerprint Indoor Localization Method Based on a Convolutional Neural Network”, Sensors, 19, 4597
  2. doi:10.3390/s19204597, 2019. 3. R. Wang, Z. Li, H. Luo, F. Zhao, W. Shao, Q. Wang, “A Robust Wi-Fi Fingerprint Positioning Algorithm Using Stacked Denoising Autoencoder and Multi-Layer Perceptron”, Remote Sens. 11, 1293
  3. doi:10.3390/rs11111293, 2019. 4. Y. Zhang, L. Lu, Y. Wang, C. Chen, “WLAN indoor localization method using angle estimation“, AEU - International Journal of Electronics and Communications, Vol.76, pp:11-17,2017. 5. G. Deak, K. Curran, J. Condell, “A survey of active and passive indoor localization systems, Computer Communications, Vol.35, Issue 16, pp:1939-1954, 2012. 6. E. Erdem, T. Tuncer, R. Doğan, “Location Determination of a Mobile Device with a Fingerprint Algorithm using a Cascade ANN model”, Vol.12, Issue 1, pp:238 – 249,2018. 7. I.T. Haque, “A sensor based indoor localization through fingerprinting”, Journal of Network and Computer Applications, Vol.44, pp:220-229,2014. 8. Z. Wu, E. Jedari, R. Muscedere, R. Rashidzadeh, “Improved particle filter based on WLAN RSSI fingerprinting and smart sensors for indoor localization”, Computer Communications, Vol.83, pp:64-71, 2016. 9. M. Oussalah, M. Alakhras., “Multivariable fuzzy inference system for fingerprinting indoor localization, Fuzzy Sets and Systems, Vol.269, pp: 65-89, 2015. 10. A. Booranawong, K. Sengchuai, N. Jindapetch, “Implementation and test of an RSSI-based indoor target localization system: Human movement effects on the accuracy”, Measurement, Vol.133, pp:370-382, 2019. 11. X. Fang, L. Nan, Z. Jiang, L.Chen, “Noise-aware fingerprint localization algorithm for wireless sensor network based on adaptive fingerprint Kalman filter”, Computer Networks: The International Journal of Computer and Telecommunications Networking, Vol. 124, No. C, 2017. 12. L. Kanaris, A. Kokkinis, G. Fortino, A. Liotta, S. Stavrou, “Sample Size Determination Algorithm for fingerprint-based indoor localization systems”, Computer Networks, Vol.101, pp:169-177, 2016. 13. N. V. T.Ngo, J. G. Kim, “Sequential learning for fingerprint based indoor localization“,AEU - International Journal of Electronics and Communications, Vol.71, pp:105-109, 2017. 14. S. K. Ra