Localização Indoor Utilizando a Tecnologia LoRaWAN e Aprendizado de Máquina

Autor

Giulio Cruz de Oliveira

Orientador

Prof. Mário de Noronha Neto

Curso

Engenharia de Telecomunicações

Resumo

Este trabalho de conclusão de curso teve como objetivo desenvolver e analisar classificadores de localização indoor para o ambiente do câmpus IFSC-SJ. Os classificadores foram gerados com a aplicação de algoritmos de aprendizado de máquina em datasets gerados no decorrer do trabalho, que contém valores de RSSI referentes a transmissão de mensagens para múltiplos gateways de uma rede LoRaWAN. Para realizar a coleta dos valores presentes nos datasets, foram utilizadas placas Arduino Uno e Mega para realizar o papel dos dispositivos finais, e placas Raspberry Pi para os gateways. Foram analisados os desempenhos de classificadores gerados por diferentes algoritmos de aprendizado de máquina, variando-se o período de coleta de amostras, e a utilização de média dos últimos valores de RSSI recebidos. Foi possível alcançar uma precisão satisfatória de 99% utilzando-se SVM para um ambiente indoor com 14 salas.

Palavras chave

Localização indoor. LoRaWAN. Aprendizado de máquina.

Abstract

This monograph’s main objective was to develop and analyze indoor localization classifiers for the IFSC-SJ campus environment. The classifiers were generated by applying machine learning algorithms on datasets that were contructed during the progress of the paper, that contain RSSI values from the reception of messages transmitted to multiple gateways of a LoRaWAN network. In order to collect the values present in the datasets, Arduino Uno and Mega boards were utilized to serve as end-points, and Raspberry Pi boards as gateways. The performance of classifiers generated with different machine learning algorithms were analyzed, the sample gathering period and the use of mean of the last values received were varied. It was possible to reach a satisfactory accuracy of 99% utilizing SVM for an indoor environment with 14 rooms.

Keywords

Indoor localization. LoRaWAN. Machine learning.

Arquivos

Arquivos relacionados a trabalho, a monografia em pdf e também arquivos fontes e executáveis estão disponibilizados nos links abaixo:

• Monografia.pdf