Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/9951
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorFrança, Felipe Maia Galvão-
dc.contributor.authorSoares, Eduardo Elael de Melo-
dc.date.accessioned2019-10-09T11:23:55Z-
dc.date.available2023-12-21T03:01:35Z-
dc.date.issued2013-08-
dc.identifier.urihttp://hdl.handle.net/11422/9951-
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectlocalização indoorpt_BR
dc.subjectKDE – kernel density estimationpt_BR
dc.subjectinferência bayesianapt_BR
dc.subjectassinatura de RSSIpt_BR
dc.titleLocalização indoor via KDE em assinaturas de RSSIpt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.contributor.referee1Pedreira, Carlos Eduardo-
dc.contributor.referee2Lima, Priscila Machado Vieira-
dc.description.resumoO projeto consiste em um sistema de localização indoor desenvolvido para rodar em smartphones, ele faz parte de um projeto maior de localização e rastreio robusto à variações do ambiente. Entretanto este projeto se restringe ao caso de localização do aparelho em estado imóvel, desconsiderando também variações do ambiente. O algoritmo se baseia no mapeamento das assinaturas RSSI, i.e. indicadores da potência do sinal, assim como suas variações, construindo,então,uma malha de pontos e associando à cada ponto uma distribuição de probabilidade. Esta distribuição deve ser estimada pelo método de KDE –Kernel Density Estimation. O algoritmo, então, cruza os dados de RSSI medidos em tempo real com as informações contidas nas distribuições de probabilidade, através de uma inferência Bayesiana, para determinar o local mais provável de origem dos vales de RSSI aferidos. O algoritmo foi capaz de obter uma acurácia de mais de 90%pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.embargo.termsabertopt_BR
Appears in Collections:Engenharia de Controle e Automação

Files in This Item:
File Description SizeFormat 
monopoli10007732.pdf1.26 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.