Cooperative localization using probabilistic inference
Olasılıksal çıkarsama kullanarak işbirlikli konumlandırma
- Tez No: 875014
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN GÖKHAN AKÇAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
İsabetli konumlandırmalar, günümüzün birbirine bağlı dünyasında çeşitli lokalizasyon tabanlı hizmetlerin işlevselliğini ve verimliliğini arttırmak için son derece önemlidir. Üçgenleme, trilaterasyon ve parmak izi gibi geleneksel konumlandırma teknikleri ideal koşullar altında kabul edilebilir doğruluk sunarken, sinyallerin çok yolluluğu, sinyal zayıflaması ve sınırlı bağlantı mesafeleri gibi faktörler nedeniyle karmaşık ortamlarda zorluklarla karşılaşırlar. Bu zorluklar, daha güvenilir ve esnek konumsal tespit yöntemlerinin gerekliliğini ortaya koymaktadır. Birden fazla hedef ve referans noktası arasında iş birliğine dayalı bilgi paylaşımını kullanan iş birlikli lokalizasyon, özellikle geleneksel sistemlerin yetersiz kaldığı ortamlarda lokalizasyon doğruluğunu artırmak için umut verici bir çözüm olarak ortaya çıkmaktadır. Bu tez, aktörler arasındaki iş birliğinden yararlanarak geleneksel lokalizasyon yaklaşımlarının kısıtlamalarını ele almak için olasılıksal bir yaklaşımı benimsemektedir. Bu çalışmada, Markov Rastgele Alan grafik modeli kullanılarak lokalizasyon problemi formüle edilmiş ve çözümü için Parametrik Olmayan Kanı Yayılımı kullanılmıştır. Metodoloji, alınan sinyal gücü ölçümlerinin girdi verisi olarak simüle edilmesini ve daha sonra Parçacık Filtreleme ve Çekirdek Yoğunluğu Tahmini kullanılarak hedef konumların güven dağılımlarının yaklaşık olarak hesaplanmasını içermektedir. Kapsamlı simülasyonlar aracılığıyla tez, olasılıksal çerçevenin yalnızca konumlandırmaların doğruluğunu ve güvenliğini artırmakla kalmayıp aynı zamanda değişen çevresel koşullara ve gürültü seviyelerine etkili bir şekilde uyum sağladığını göstermektedir. Sonuçlar, olasılıksal çıkarım yöntemlerinin belirsizlikleri etkili bir şekilde modelleyerek ve önceki bilgileri dahil ederek lokalizasyon performansını önemli ölçüde artırdığını ve karmaşık senaryolar için oldukça uygun olduğunu ortaya koymaktadır. Olasılıksal çıkarım kullanan iş birliğine dayalı konumlandırmaların bu kapsamlı araştırması, geleneksel yerelleştirme tekniklerine verimli bir alternatif sunarak potansiyel uygulamaları ve etkinliği hakkında değerli bilgiler sağlar.
Özet (Çeviri)
Accurate localization is crucial in today's interconnected world for enhancing the functionality and efficiency of various localization-based services. Traditional localization techniques such as triangulation, trilateration, and fingerprinting offer acceptable accuracy under ideal conditions but face significant challenges in complex environments due to factors like multipath interference, signal attenuation and limited connectivity. These challenges highlight the necessity for more robust and flexible localization methods. Cooperative localization, which utilizes collaborative information sharing among multiple targets and reference points, emerges as a promising solution to enhance localization accuracy and reliability, particularly in environments where traditional systems fall short. This thesis adopts a probabilistic approach to address the limitations of traditional localization approaches through utilizing collaboration among agents. In this study, formulation of localization problem using a Markov Random Field graphical model is utilized and Nonparametric Belief Propagation to solve it is used. The methodology involves simulating Received Signal Strength measurements as input data, which are then used to approximate the belief distributions of target locations using Particle Filtering and Kernel Density Estimation. Through extensive simulations, the thesis demonstrates that probabilistic framework not only enhances the accuracy and robustness of localization but also adapts effectively to varying environmental conditions and noise levels. The results reveal that probabilistic inference methods significantly improve localization performance by effectively modeling uncertainties and incorporating prior knowledge, making them well-suited for dynamic and complex scenarios where traditional methods may fail. This comprehensive exploration of cooperative localization using probabilistic inference provides valuable insights into its potential applications and effectiveness, offering a robust alternative to conventional localization techniques.
Benzer Tezler
- Heterojen robot takımı için 3B yol planlama ve yol takibi
3D path planning and tracking for heterogenous robot team
ÖMER FARUK KAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN USLU
- Studies on the genome-wide localization of stpa and h-ns in escherichia coli using chip-chip analysis
Chip-chip analizi kullanılarak escherichia coli'de stpa ve h-ns'nin genom düzeyinde lokalizasyonu üzerine çalışmalar
EBRU UYAR
Doktora
İngilizce
2009
BiyolojiNara Institute of Science and TechnologyBiyolojik Bilimler Ana Bilim Dalı
PROF. DR. NAOTAKE OGASAWARA
- Rigid formations of autonomous agents
Başlık çevirisi yok
TOLGA EREN
Doktora
İngilizce
2004
MatematikYale UniversityMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. PETER N. BELHUMEUR
- Active slam with informative path planning for heterogeneous robot teams
Heterojen robot takımları için bilgilendirici yol planlamalı aktif EZKH
MEHMET CANER AKAY
Doktora
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ