Banca de QUALIFICAÇÃO: FABIO DE ALBUQUERQUE SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: FABIO DE ALBUQUERQUE SILVA
DATA: 30/07/2019
HORA: 16:00
LOCAL: CENTRO DE INFORMÁTICA - UFPB
TÍTULO: Uma Abordagem para Localização Indoor baseada em Wi-Fi Fingerprint e Machine Learning
PALAVRAS-CHAVES: Serviços baseados em localização interna, Aprendizagem de Máquina, KNN, Impressão digital do sinal de Wi-Fi.
PÁGINAS: 50
RESUMO: Os serviços baseados em localização interna (ILBS) vêm atraindo muita atenção nos últimos anos por causa de seu potencial social e comercial, com um valor estimado de mercado de US$ 10 bilhões até 2020. Como os sinais de satélite (GPS) e celular (GSM) não conseguem penetrar bem em ambientes internos, com paredes externas e obstáculos internos, o uso do sinal Wi-Fi, para localização interna, ganhou muita importância, tanto na área acadêmica quanto na área industrial, devido à grande penetração de LANs sem fio (WLANs) e dispositivos móveis habilitados para Wi-Fi. As principais técnicas empregadas para o posicionamento em ambientes internos através do uso do sinal de Wi-Fi utilizam modelos de propagação de sinais de rádio e impressão digital da intensidade do sinal recebido (RSS fingerprint – do inglês Received Signal Strength fingerprint). Em particular, a técnica baseada em impressão digital da intensidade do sinal do Wi-Fi (RSS fingerprint) tem atraído muita atenção por amenizar o problema de multipath (múltiplos caminhos percorridos pelo sinal entre o emissor e receptor) agravado pela existência de paredes e objetos em ambientes internos. Diante deste cenário, propomos neste trabalho o uso combinado da impressão digital (fingerprint) do Wi-Fi com algoritmos de Aprendizagem de Máquina, com o objetivo de identificar qual a combinação de variáveis (números de pontos de acesso, número de pontos de referência, número de leituras repetidas do sinal em cada ponto de referência/interesse, abordagem para simplificação da obtenção do mapa de sinais do ambiente interno) mais adequada para localização em ambientes internos e uso racional de processamento e memória em dispositivos móveis, considerando o erro médio de estimativa desejável próximo de 1 (um) metro. Para entendimento das variáveis de interesse, foi desenvolvido um protótipo e realizados experimentos utilizando KNN ponderado com resultados promissores e algumas limitações que propomos superar com adaptações na abordagem utilizada.
MEMBROS DA BANCA:
Interno - 1743917 - THAIS GAUDENCIO DO REGO
Interno - 2042972 - TIAGO PEREIRA DO NASCIMENTO