Aumento de precisión en localización indoor basado en redes neuronales

• Gerez, Agustín ^[1] ; Goñi, Oscar Enrique ^[2] ; Leiva, Lucas ^[2]
  1. [1] Universidad Nacional del Centro de la Provincia de Buenos Aires
  2. [2] LabSET - INTIA - Universidad Nacional del Centro de la Provincia de Buenos Aires
• Localización: Elektron: ciencia y tecnología en la electrónica de hoy, ISSN-e 2525-0159, Vol. 4, Nº. 2, 2020, págs. 74-80
• Idioma: español
• Títulos paralelos:
  • Increased accuracy in indoor location based on neural networks
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La tecnología WiFi es ampliamente utilizada por un gran número de dispositivos, incluyendo aquellos que componen sistemas de Internet de las Cosas (IoT) y de Inteligencia Artificial (IA). En ambos contextos, el problema de localización ha sido objeto de investigación durante mucho tiempo. En algunos casos, las señales de radio utilizadas para transmitir información son además aprovechadas para realizar estimaciones de posición. Sin embargo, este enfoque se encuentra afectado por la constante fluctuación de la señal. Es posible que al momento de realizar una estimación de posición de un componente emisor, éste se encuentre influenciado por los obstáculos, el multitrayecto y la reflexión de la señal. Sin embargo, su uso mejora cuando se realiza localización espacial considerando diferentes referencias. De esta manera, es posible trazar activos dentro de un ambiente indoor. En este trabajo se analiza la relación de los algoritmos de estimación de distancia utilizando RSSI y triangulación, y se propone una solución basada en Redes Neuronales que combina los resultados de tres algoritmos de estimación de distancia con el fin de aumentar la precisión.

  • English

    The use of WiFi is widely used by a large number of devices, including those that make up the Internet of Things (IoT) and Artificial Intelligence (AI) systems. The location problem has been under investigation for a long time. In some cases, the radio signals used to transmit information are also used to make position estimates. However, its use is affected by the constant fluctuation of the signal. It is possible that when estimating the position of a component, it is influenced by obstacles, multipath and signal reflection. Its use improves when spatial localization is carried out, where assets can be traced within an indoor environment. In this work, the relationship of the distance estimation algorithms using RSSI and triangulation is analyzed, and a solution based on Neural Networks is proposed that combines the results of three distance estimation algorithms in order to increase precision.