Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Marcin Witkowski

Wykorzystanie uczenia maszynowego do wyznaczania położenia terminala radiowego w środowisku wewnątrzbudynkowym


Application of Machine Learning for Radio Terminal Positioning in Indoor Environment


Opiekun pracy dyplomowej: dr inż. Piotr Korbel prof. ucz.
Dodatkowy opiekun pracy dyplomowej: mgr inż. Piotr Wawrzyniak

Praca dyplomowa magisterska obroniona 2019-10-15
Streszczenie pracy dyplomowej:
Celem pracy jest przeprowadzenie analizy skuteczności wybranych metod uczenia maszynowego do wyznaczania położenia terminala wewnątrzbudynkowego, bezprzewodowego systemu lokalizacyjnego. Pierwszy etap pracy obejmuje przegląd metod lokalizacyjnych terminala radiowego oraz metod uczenia maszynowego. Analiza dziedziny problemu oraz przegląd dostępnych metod i narzędzi informatycznych posłużyły do wskazania najbardziej odpowiednich metod analizy danych. Wybrane metody i narzędzia zostały wykorzystane do analizy wyników pomiarów mocy sygnałów pochodzących ze stacji bazowych systemu GSM/UMTS oraz punktów dostępowych sieci Wi-Fi zarejestrowanych w budynku kampusu Politechniki Łódzkiej. Słowa kluczowe: sieci bezprzewodowe, lokalizacja wewnątrzbudynkowa, uczenie maszynowe, statystyka opisowa, fingerprinting
Abstract:
The aim of the study is to conduct an analysis of selected machine learning methods for determining the position of a wireless mobile terminal in indoor environment. The first phase of this thesis includes a review of methods for determining the location of the radio terminal and machine learning algorithms. Analysis of the problem domain and an overview of available methods and tools were used to identify the most suitable methods of data analysis. Selected methods and tools were used to analyze the results of measurements of signals from the base stations of GSM/UMTS networks and Wi-Fi access points registered at the campus building of Lodz University of Technology. Keywords: mobile networks, indoor localization, machine learning, descriptive statistics, fingerprinting