Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2023 - zeszyt 7

Indoor Localisation Based on Wi-Fi Infrastructure

Lokalizacja wewnątrzbudynkowa w oparciu o strukturę Wi-Fi

10.15199/48.2023.07.24

nr katalogowy: 144170
10.15199/48.2023.07.24

Streszczenie

Over the last decade, indoor positioning has played an increasing role in the navigation market. In this work we present an indoor attempt for localization based on radio-environment properties. Our research concerns implementation of machine learning algorithms for a Wi-Fi fingerprints-based positioning system. The algorithms we chose are kNN, NB and RF. The method was evaluated using several different mobile devices, with samples collected in different locations of a school building. The results we achieved are very promising.

Abstract

W ciągu ostatniej dekady pozycjonowanie w pomieszczeniach odgrywa coraz większą rolę na rynku nawigacji. W niniejszej pracy przedstawiamy podejście lokalizacji wewnętrznej na podstawie właściwości środowiska propagacyjnego. Przedstawiamy zastosowanie algorytmów uczenia maszynowego do systemu pozycjonowania opartego na odciskach palców Wi-Fi. Wybrane zostały algorytmy kNN, NB oraz RF. Skuteczność/Dokładność metody została oceniona przy użyciu kilku różnych urządzeń mobilnych, z próbkami pobranymi w różnych miejscach budynku szkolnego. Otrzymane wyniki są bardzo obiecujące.

Słowa kluczowe

Keywords

Bibliografia

[1] Correa A., Barcelo M., Morell A., Vicario J. L., A Review of Pedestrian Indoor Positioning Systems for Mass Market Applications, Sensors, 17 (2017), No. 8
[2] Bernard R., Indoor Positioning Systems. Securities Industry A ssociation, https://www.securityindustry.org/2017/11/21/indoorpositioning-systems/ (accessed on 03.01.2023)
[3] He S., Chan S. H. G., Wi-Fi Fingerprint-Based Indoor Positioning: Recent Advances and Comparisons, IEEE Communications Surveys & Tutorials, 18 (2016), No. 1, 466– 490
[4] Beauregard S., Haas H., Pedestrian Dead Reckoning: A Basis for Personal Positioning, Proceedings of the 3rd Workshop on Positioning, Navigation and Communication, (2006), 27–36
[5] Kunhoth J., Karkar A., Al-Maadeed, S. et al., Indoor positioning and wayfinding systems: a surve, Hum. Cent. Comput. Inf. Sci., 10 (2020), No. 18
[6] Popoola Or., Sinanović S., Ramirez-Iniguez R.et al., LEDbased indoor positioning system using novel optical pixelation technique, Healthcare technology letters, 6 (2019), No. 3, 76- 81
[7] Kanrar S., Dawar K., Pundir A., Pedestrian localisation in the typical indoor environments, Multimed Tools Appl, 79 (2020), 27833–27866
[8] N Styła M, Adamkiewicz P., Optimization of building control systems with use of alternative tracking methods using the RSSI index and artificial intelligence mechanisms, Przegląd Elektrotechniczny, 98 (2022), nr 2, 199-202
[9] Baichuan H., Jingbin L., WeiS., Fan Y., A Robust Indoor Positioning Method based on Bluetooth Low Energy with Separate Channel Information, Sensors, 19 (2019), 16
[10] Leplawy M., Indoors localization system with the use of WiFi and other network standards, Przegląd Elektrotechniczny, 91 (2015), No. 1, 173-174
[11] Pérez-Navarro A., Torres-Sospedra J., Montoliu R., et al., Challenges of Fingerprinting in Indoor Positioning and Navigation, In Intelligent Data-Centric Systems, Geographical and Fingerprinting Data to Create Systems for Indoor Positioning and Indoor/Outdoor Navigation, Academic Press, (2019), 1-20
[12] Wysocki M., Nicpoń R., Trzaska M., Czapiewska A, Research of Accuracy of RSSI Fingerprint-Based Indoor Positioning BLE System, Przegląd Elektrotechniczny, 98 (2022), No. 9, 86-91
[13] Wang W., Marelli D., Fu M., Fingerprinting-Based Indoor Localization Using Interpolated Preprocessed CSI Phases and Bayesian Tracking, Sensors, 20 (2020)
[14] Xia Sh., Liu Y., Yuan G., et.al, Indoor Fingerprint Positioning Based on Wi-Fi: An Overview, ISPRS Int. J. Geo-Inf., 6 (2017)
[15] Yoo J., Park J., Indoor Localization Based on Wi-Fi Received Signal, Strength Indicators: Feature Extraction, Mobile Fingerprinting, and Trajectory Learning, Applied Sciences, 9 (2019), No.18
[16] Firdaus F., Ahma. N., Sahibuddin S., Indoor positioning system based Wi-Fi fingerprinting for dynamic environment: Experimental preliminary result, J. of Engineering and Applied Sciences, 12 (2017), No.17, 4442–4447
[17] Aha D., Kibler D., Instance-based learning algorithms, Machine Learning, 6 (1991), 37-66
[18] Frank E., Hall M. A., Witten I. H., The WEKA Workbench. Online Appendix for "Data Mining: Practical Machine Learning Tools and Techniques", Morgan Kaufmann, (2016)
[19] John G. H., Langley P., Estimating Continuous Distributions in Bayesian Classifiers, In: Eleventh Conference on Uncertainty in Artificial Intelligence, (1995), 338-345
[20] Breiman L., Random Forests, Machine Learning, 45 (2001), No. 1, 5-32

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2023-7 , nr katalogowy 144170 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2023-7 licencja: Osobista Produkt cyfrowy Nowość	70.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2023-7

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma