Geri Dön

Dinamik yapay sinir ağı ile iç mekân konum kestirimi ve konum takibi

Indoor location estimation and location tracking with dynamic artificial neural network

  1. Tez No: 635024
  2. Yazar: MERT TUNÇ
  3. Danışmanlar: DOÇ. DR. HAKAN KAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Zonguldak Bülent Ecevit Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 73

Özet

Günümüzde konum belirleme işlemleri iç ve dış ortam olmak üzere iki şekilde yapılmaktadır. Konum tespiti ve konum takibi küresel konumlandırma sistemi (Global Positioning System - GPS), uydu tabanlı sistemler ve hücresel sistemler sayesinde dış mekanlarda başarılı bir şekilde uygulanmaktadır. Fakat bu sistemler iç mekanlarda çevresel etkilerden dolayı sinyallerin zayıflanmasından kaynaklı konum tespiti veya konum takibi açısından kullanılabilirliği sınırlıdır. Bu sebepten dolayı iç mekanlarda da etkin çalışabilecek yöntemlere ve sistemlere ihtiyaç vardır. Bu sistemler arasında literatürde çoğunlukla radyo frekans (Radio Frequency – RF) sinyali tabanlı konum belirleme sistemleri üzerinde durulmuştur. Bu tez çalışmasında, iç mekanlarda çalışılan üçgenleme yöntemi, Yapay Sinir Ağı (YSA) ve dinamik yapay sinir ağı yöntemlerinden bahsedilmiştir. Alınan sinyal gücü göstergesi (Received Signal Strength Indicator - RSSI) verisi üzerinde durularak konum belirleme yöntemlerinden birisi olan parmak izi tabanlı konum belirleme yöntemi kullanılmıştır. Bu yöntemde, iç mekânda parmak izi yöntemi ile ortamın radyo haritası çıkarılmıştır. Sinyalin çok yollu yayılımın sinyal üzerindeki etkisini azaltmak için ortamın radyo haritasının boyutunun küçültülmesi (hücrelere bölünmesi) üzerinde durulmuştur. Parmak izi yönteminde ortam küçültülmesi için destek vektör makinesi (Support Vector machine, SVM) kullanılmıştır. Gezgin cihazın konum tespiti ve konum takibi sırasında her bir hücreden ayrı ayrı elde edilen RSSI verileri YSA ile çevrimdışı eğitim yapılmıştır. Çevrimdışı eğitim sonunda gezgin cihazdan sabit cihazlara gelen RSSI güç verileri kullanılarak çevrimiçi gezgin cihazın konum tespiti ve konum takibi yapılmıştır. Üçgenleme, YSA ve dinamik YSA yöntemleri ayrı ayrı incelenmiş ve elde edilen sonuçlar karşılaştırılmıştır.

Özet (Çeviri)

The positioning systems are grouped into two categories: indoor and outdoor positioning. The global positioning system (GPS), location detection and location tracking, is successfully implemented at outdoors thanks to satellite-based systems and cellular systems. However, these systems are limited in terms of location detection or location tracking at the indoors due to the weakening of signals due to environmental effects indoors. Therefore, the methods and systems that works effectively indoors are required and have been investigated by researchers. Among these systems, mostly radio frequency (RF) signal-based positioning systems are emphasized in the literature. In this thesis, the triangulation method, Artificial Neural Network (ANN) and dynamic ANN methods are used to locate an indoor object. The fingerprint-based positioning method, which is one of the mostly used methods of indoor positioning, is implemented by using the received signal strength indicator (RSSI) data. In this method, the radio map of the environment is obtained by the fingerprint of the location (room, corridor etc.). In order to reduce the effect of the multipath fading, the size of the radio map is reduced (dividing into cells). Support vector machine (SVM) is used to divide into cells based on fingerprint method. For the location determination and location tracking of the mobile device, RSSI data is obtained separately from each cell and based on these RSSI data, an ANN is trained offline for each cell. After the offline training, the location of the mobile device is determined and tracked online (real time) by using these trained ANNs based on RSSI data which is received by fixed devices (receivers). The triangulation, the ANN and dynamic ANN methods are examined separately, and the results are compared.

Benzer Tezler

  1. Yapay sinir ağları ile robotlarda hareket kontrolü

    Motion control of robots with artificial neural networks

    HAKAN ARSLAN

  2. Yapay sinir ağları ve genetik algoritmalar kullanılarak EKG vurularının sınıflandırılması

    Classification of ECG beats by using artifical neural networks and genetic algorithms

    ZÜMRAY DOKUR

  3. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  4. 3b cbs kapsamında çok katlı bina yangınlarına yönelik akıllı bireysel tahliye modelinin yapay sinir ağı ile tasarlanması

    Design of an intelligent individual evacuation model for high rise building fires using neural network within the scope of 3d gis

    ÜMİT ATİLA

    Doktora

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL RAKIP KARAŞ

  5. Modelling longitudinal motion of an electric vehicle and wheel slip control through NN based uncertainty prediction

    Elektrikli aracın boyuna hareketinin modellenmesi ve yapay sinir ağı tabanlı belirsizlik kestirimli tekerlek kayma kontrolü

    DUYGU ÖZYILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. OVSANNA SETA ESTRADA