بهبود تعیین موقعیت درون ساختمان به روش wlan با به‌کارگیری روش‌های یادگیری ماشین

در عصر فناوری، توانایی جهت‌یابی افراد و دستگاه‌ها اهمیت بسیاری دارد، سیستم‌های تعیین موقعیت ماهواره‌ای عملکرد خوبی در تعیین موقعیت و جهت‌یابی در فضاهای باز دارند، اما در فضاهای داخلی، مانند داخل ساختمان‌ها، کارایی خود را از دست می‌دهند و در بسیاری از موارد قابلیت موقعیت‌یابی به‌صورت دقیق را ندارند. سیستم تعیین موقعیت داخلی با استفاده از روش‌ها و فناوری‌های مختلف توانسته ضعف سیستم‌های تعیین موقعیت ماهواره‌ای را در محیط‌های داخلی جبران نماید. در این تحقیق برای پیاده‌سازی سیستم تعیین موقعیت داخلی از فناوری wifi استفاده می‌شود و با توجه به فضای داخلی موجود و امکانات در دسترس، روش اثرانگشت که یکی از روش‌های رایج در موقعیت‌یابی داخلی است استفاده‌شده است. الگوریتم‌های مختلفی برای کشف الگو از پایگاه داده ایجادشده توسط روش اثرانگشت وجود دارد که در این تحقیق از الگوریتم‌های نزدیک‌ترین همسایگی، شبکه عصبی پرسپترون چندلایه (ann-mlp)، رگرسیون بردار پشتیبان (svr) و k-نزدیک‌ترین همسایگی(k-nn) استفاده‌شده است. سیستم تعیین موقعیت با استفاده از روش اثرانگشت و الگوریتم‌های اشاره‌شده در یک فضای داخلی با دو رویکرد متفاوت در فاصله نقاط مرجع پیاده‌سازی شد. فاصله نقاط در رویکرد اول و دوم به ترتیب 2 و 4 متر است. جهت ارزیابی، خطای موقعیت‌یابی در هر الگوریتم با استفاده از پارامتر rmse محاسبه‌شده است تا بتوان الگوریتم‌های اجراشده را با یکدیگر مقایسه نمود.

an improvement on wlan-based indoor positioning using machine learning methods

the humans’ ability to navigate in technology era as well as the devices are observed very much. the satellite positioning systems own a satisfactory function to depict the position and navigation in the open areas, but they malfunction in the indoor spaces, such as in the buildings; moreover, they are not able to depict the position precisely most of the times. the indoor positioning system can retrieve the weakness of the satellite positioning systems in the indoor areas by various methods and technologies. in the current research, wifi technology is utilized in order to implement the indoor positioning system; in addition, according to the available indoor space and the accessible facilities, the method of fingerprint as a common way to depict the indoor position is observed. there are various algorithms in order to discover the pattern from the data station by the method of fingerprint that in the mentioned research, the nearest neighboring algorithm, multi-layer perceptron (ann-mlp), support vector regression (svr) and the k-nearest neighboring (k-nn) are used to reach the target. by the usage of fingerprint method and the mentioned algorithms, the positioning system, according to the source locations distance was implemented by two different approaches. the distances of locations are 2 to 4 meters orderly based on the first and second approaches. in order to measure the error rate of positioning in each algorithm, the parameter of rmse is observed to be able to compare the implemented algorithms.