<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">
ATENÇÃO: O depósito de novas publicações está temporariamente suspenso.

Localização indoor via KDE em assinaturas de RSSI

dc.contributor.advisorFrança, Felipe Maia Galvão
dc.contributor.referee1Pedreira, Carlos Eduardo
dc.contributor.referee2Lima, Priscila Machado Vieira
dc.creatorSoares, Eduardo Elael de Melo
dc.date.accessioned2019-10-09T11:23:55Z
dc.date.available2026-05-16T03:02:15Z
dc.date.issued2013-08
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.embargo.termsabertopt_BR
dc.identifier.urihttp://hdl.handle.net/11422/9951
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsUFRJpt_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.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.titleLocalização indoor via KDE em assinaturas de RSSIpt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
monopoli10007732.pdf
Tamanho:
1,23 MB
Formato:
Adobe Portable Document Format

Pacote de licença

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1,81 KB
Formato:
Item-specific license agreed upon to submission
Descrição: