Hyppää sisältöön
    • Suomeksi
    • In English
Trepo
  • Suomeksi
  • In English
  • Kirjaudu
Näytä viite 
  •   Etusivu
  • Trepo
  • Opinnäytteet - ylempi korkeakoulututkinto
  • Näytä viite
  •   Etusivu
  • Trepo
  • Opinnäytteet - ylempi korkeakoulututkinto
  • Näytä viite
JavaScript is disabled for your browser. Some features of this site may not work without it.

Moniulotteinen skaalaus sisätilapaikannuksessa

Volotinen, Minja (2019)

 
Avaa tiedosto
Volotinen.pdf (2.433Mt)
Lataukset: 



Volotinen, Minja
2019

Teknis-luonnontieteellinen
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2019-05-17
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tty-201905141642
Tiivistelmä
Tässä diplomityössä tutkitaan langatonta lähiverkkoa (WLAN, Wireless Local Area Network) hyödyntävää sisätilapaikannusta bayesilaisen päättelyn ja moniulotteisen skaalauksen avulla. RSS-skannaus on joukko WLAN-signaalinvoimakkuusmittauksia, joille kullekin on identifioitu yksikäsitteinen signaalin lähde eli MAC-osoite. Tässä työssä RSS-skannauksille pyritään etsimään moniulotteisen skaalauksen avulla sellainen koordinaattiesitys, joka vastaisi mahdollisimman hyvin mittapisteiden todellisia sijainteja. Skannausten välisiä etäisyyksiä arvioidaan hyödyntämällä bayesilaista päättelyä. Analyysimenetelmiä testataan simulaatiokokeilla.

Moniulotteisen skaalauksen avulla alkioille voidaan ratkaista optimaaliset koordinaatit, kun niiden väliset erilaisuudet tunnetaan. Työssä esitellään koordinaattimuunnosalgoritmi, jota käyttämällä koordinaattien väliset suhteelliset etäisyydet eivät muutu. Bayesilaisessa päättelyssä posterioritodennäköisyyteen vaikuttaa havaintoaineiston informaatio sekä subjektiivinen ennakkotieto tapahtumasta. Tässä työssä bayesilaisen päättelyn hyödyntämä aineisto muodostetaan simuloimalla signaalinvoimakkuusmittauksia virtuaaliseen huoneeseen signaalin vaimenemismallin mukaisesti. Aineistosta muodostetaan todennäköisyystiheysfunktioita ydinestimoinnin avulla.

Kun yksittäiset RSS-skannaukset kattavat riittävän monta signaalinvoimakkuusmittausta tukiasemista, jotka ovat sijoittuneet vaihtelevasti eri puolelle huonetta ja sen lähiympäristöä, löydetään bayesilaista päättelyä hyödyntävällä analyysimenetelmällä useimmissa tapauksissa RSS-skannauksille koordinaatit, jotka kuvaavat mittapisteiden todellisia sijainteja. Tapauksissa, joissa signaalinvoimakkuusmittauksia saadaan vain muutamasta tukiasemasta, ei bayesilaisen etäisyysestimoinnin ja moniulotteisen skaalauksen yhdistelmistä ole hyötyä ongelman ratkaisemiseksi.
Kokoelmat
  • Opinnäytteet - ylempi korkeakoulututkinto [34700]
Kalevantie 5
PL 617
33014 Tampereen yliopisto
oa[@]tuni.fi | Yhteydenotto | Tietosuoja | Saavutettavuusseloste
 

 

Selaa kokoelmaa

TekijätNimekkeetTiedekunta (2019 -)Tiedekunta (- 2018)Tutkinto-ohjelmat ja opintosuunnatAvainsanatJulkaisuajatKokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy
Kalevantie 5
PL 617
33014 Tampereen yliopisto
oa[@]tuni.fi | Yhteydenotto | Tietosuoja | Saavutettavuusseloste