Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios
Ano de defesa: | 2020 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Programa de Pos Graduacao em Ciencia da Computacao
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: | |
Link de acesso: | https://repositorio.ufpe.br/handle/123456789/38479 |
Resumo: | Nos últimos anos, a disseminação de dispositivos computacionais móveis tais como smartphones e tablets tem estimulado a demanda por serviços baseados em localização. Em geral, técnicas de localização do tipo fingerprinting são amplamente utilizadas para implementação desses serviços. No entanto, tais técnicas enfrentam sérias limitações devido a variações abruptas dos níveis de sinais, quando o usuário muda de um ambiente indoor para um outdoor ou vice-versa, ou mesmo quando estações móveis de diferentes fabricantes são usadas. Nesta tese, é proposta uma nova técnica de localização do tipo fingerprinting baseada em aprendizado de máquina, que emprega diferenças de níveis de sinais e atrasos de onda, em vez de usar valores absolutos de níveis de sinais. A ideia principal da proposta é que as diferenças de sinais das estações móveis posicionadas geograficamente no mesmo local são afetadas de forma semelhante pela atenuação de edifícios e outros obstáculos. A técnica proposta utiliza dados da rede celular para treinar um algoritmo supervisionado de aprendizado de máquina com o intuito de estimar o ângulo horizontal de chegada do sinal usando regressão. Para aumentar a acurácia das regressões, é proposto o método DySEREK (dynamic selection of regressors ensemble using -nearest-oracles), que consiste basicamente na seleção dinâmica de subconjuntos de regressores e é baseado na adaptação do método KNORA (-nearest oracles) aplicado à regressão. Por fim, a técnica de localização proposta e baseada no método DySEREK é empregada em uma aplicação real a partir de medições realizadas em uma rede celular de terceira geração (3G). Os resultados obtidos indicam que a técnica proposta é menos sensível à mudança de ambiente (outdoor para indoor) e mais estável quando aplicada em ambientes indoor ou outdoor, considerando cenários com menos estações-base (redes celulares em regiões suburbanas ou rurais) e menos dados para treinamento (drive-tests menos onerosos realizados pelas operadoras de telecomunicações). |
id |
UFPE_03fbc3fcda8609f53fdf781754fc3cde |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/38479 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
|
spelling |
TIMOTEO, Robson Dias Alveshttp://lattes.cnpq.br/5754627898718207http://lattes.cnpq.br/8971986984647323CUNHA, Daniel Carvalho da2020-11-03T20:18:40Z2020-11-03T20:18:40Z2020-02-11TIMOTEO, Robson Dias Alves. Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios. 2020. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020.https://repositorio.ufpe.br/handle/123456789/38479Nos últimos anos, a disseminação de dispositivos computacionais móveis tais como smartphones e tablets tem estimulado a demanda por serviços baseados em localização. Em geral, técnicas de localização do tipo fingerprinting são amplamente utilizadas para implementação desses serviços. No entanto, tais técnicas enfrentam sérias limitações devido a variações abruptas dos níveis de sinais, quando o usuário muda de um ambiente indoor para um outdoor ou vice-versa, ou mesmo quando estações móveis de diferentes fabricantes são usadas. Nesta tese, é proposta uma nova técnica de localização do tipo fingerprinting baseada em aprendizado de máquina, que emprega diferenças de níveis de sinais e atrasos de onda, em vez de usar valores absolutos de níveis de sinais. A ideia principal da proposta é que as diferenças de sinais das estações móveis posicionadas geograficamente no mesmo local são afetadas de forma semelhante pela atenuação de edifícios e outros obstáculos. A técnica proposta utiliza dados da rede celular para treinar um algoritmo supervisionado de aprendizado de máquina com o intuito de estimar o ângulo horizontal de chegada do sinal usando regressão. Para aumentar a acurácia das regressões, é proposto o método DySEREK (dynamic selection of regressors ensemble using -nearest-oracles), que consiste basicamente na seleção dinâmica de subconjuntos de regressores e é baseado na adaptação do método KNORA (-nearest oracles) aplicado à regressão. Por fim, a técnica de localização proposta e baseada no método DySEREK é empregada em uma aplicação real a partir de medições realizadas em uma rede celular de terceira geração (3G). Os resultados obtidos indicam que a técnica proposta é menos sensível à mudança de ambiente (outdoor para indoor) e mais estável quando aplicada em ambientes indoor ou outdoor, considerando cenários com menos estações-base (redes celulares em regiões suburbanas ou rurais) e menos dados para treinamento (drive-tests menos onerosos realizados pelas operadoras de telecomunicações).In recent years, the dissemination of mobile computing devices, such as smartphones and tablets, has motivated the demand for location-based services. In general, fingerprint-based localization techniques are widely used to implement these services. However, such techniques face serious limitations due to abrupt variations in signal levels when the user changes from an indoor to an outdoor environment or vice-versa, or even when mobile stations from different manufacturers are used. In this thesis, we propose a new machine learning fingerprint-based localization technique that uses signal level differences and wave delays, instead of using absolute values of signal levels. The main idea of the proposal is that the signal differences of mobile stations geographically positioned at the same location are similarly affected by attenuation of buildings and other obstacles. The proposed technique uses data from the cellular network to train a supervised machine learning algorithm to estimate the horizontal angle-of-arrival using regression. To increase the accuracy of regressions, the DySEREK (dynamic selection of regressors ensemble using -nearest-oracles) method is proposed, which basically consists of the dynamic selection of regressors subsets and is based on the adaptation of the KNORA (-nearest oracles) method applied to the regression. Finally, the proposed localization technique based on the DySEREK method is employed in a real application from measurements obtained in a third generation (3G) cellular network. Numerical results indicate that the proposed technique is less sensitive to environment change (from outdoor to indoor) and more stable when applied in indoor or outdoor environments, considering scenarios with fewer base stations (cellular networks in suburban or rural regions) and less data for training (less costly drive-tests performed by telecom operators).porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCiência da computaçãoAprendizagem de máquinaCombinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fiosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALTESE Robson Dias Alves Timoteo.pdfTESE Robson Dias Alves Timoteo.pdfapplication/pdf3876893https://repositorio.ufpe.br/bitstream/123456789/38479/1/TESE%20Robson%20Dias%20Alves%20Timoteo.pdfd10475a2df8962c4e76ba50fb2e50cc1MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/38479/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/38479/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTTESE Robson Dias Alves Timoteo.pdf.txtTESE Robson Dias Alves Timoteo.pdf.txtExtracted texttext/plain251975https://repositorio.ufpe.br/bitstream/123456789/38479/4/TESE%20Robson%20Dias%20Alves%20Timoteo.pdf.txt2a6beae22a54ab5a3bb8d7e43e487a81MD54THUMBNAILTESE Robson Dias Alves Timoteo.pdf.jpgTESE Robson Dias Alves Timoteo.pdf.jpgGenerated Thumbnailimage/jpeg1261https://repositorio.ufpe.br/bitstream/123456789/38479/5/TESE%20Robson%20Dias%20Alves%20Timoteo.pdf.jpg520260de2b35783c6e25af5bc40bdef1MD55123456789/384792020-11-04 02:17:03.882oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212020-11-04T05:17:03Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios |
title |
Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios |
spellingShingle |
Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios TIMOTEO, Robson Dias Alves Ciência da computação Aprendizagem de máquina |
title_short |
Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios |
title_full |
Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios |
title_fullStr |
Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios |
title_full_unstemmed |
Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios |
title_sort |
Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios |
author |
TIMOTEO, Robson Dias Alves |
author_facet |
TIMOTEO, Robson Dias Alves |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5754627898718207 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8971986984647323 |
dc.contributor.author.fl_str_mv |
TIMOTEO, Robson Dias Alves |
dc.contributor.advisor1.fl_str_mv |
CUNHA, Daniel Carvalho da |
contributor_str_mv |
CUNHA, Daniel Carvalho da |
dc.subject.por.fl_str_mv |
Ciência da computação Aprendizagem de máquina |
topic |
Ciência da computação Aprendizagem de máquina |
description |
Nos últimos anos, a disseminação de dispositivos computacionais móveis tais como smartphones e tablets tem estimulado a demanda por serviços baseados em localização. Em geral, técnicas de localização do tipo fingerprinting são amplamente utilizadas para implementação desses serviços. No entanto, tais técnicas enfrentam sérias limitações devido a variações abruptas dos níveis de sinais, quando o usuário muda de um ambiente indoor para um outdoor ou vice-versa, ou mesmo quando estações móveis de diferentes fabricantes são usadas. Nesta tese, é proposta uma nova técnica de localização do tipo fingerprinting baseada em aprendizado de máquina, que emprega diferenças de níveis de sinais e atrasos de onda, em vez de usar valores absolutos de níveis de sinais. A ideia principal da proposta é que as diferenças de sinais das estações móveis posicionadas geograficamente no mesmo local são afetadas de forma semelhante pela atenuação de edifícios e outros obstáculos. A técnica proposta utiliza dados da rede celular para treinar um algoritmo supervisionado de aprendizado de máquina com o intuito de estimar o ângulo horizontal de chegada do sinal usando regressão. Para aumentar a acurácia das regressões, é proposto o método DySEREK (dynamic selection of regressors ensemble using -nearest-oracles), que consiste basicamente na seleção dinâmica de subconjuntos de regressores e é baseado na adaptação do método KNORA (-nearest oracles) aplicado à regressão. Por fim, a técnica de localização proposta e baseada no método DySEREK é empregada em uma aplicação real a partir de medições realizadas em uma rede celular de terceira geração (3G). Os resultados obtidos indicam que a técnica proposta é menos sensível à mudança de ambiente (outdoor para indoor) e mais estável quando aplicada em ambientes indoor ou outdoor, considerando cenários com menos estações-base (redes celulares em regiões suburbanas ou rurais) e menos dados para treinamento (drive-tests menos onerosos realizados pelas operadoras de telecomunicações). |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-11-03T20:18:40Z |
dc.date.available.fl_str_mv |
2020-11-03T20:18:40Z |
dc.date.issued.fl_str_mv |
2020-02-11 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
TIMOTEO, Robson Dias Alves. Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios. 2020. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/38479 |
identifier_str_mv |
TIMOTEO, Robson Dias Alves. Combinação dinâmica de regressores aplicada à localização de usuários móveis em redes sem fios. 2020. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020. |
url |
https://repositorio.ufpe.br/handle/123456789/38479 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Ciencia da Computacao |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/38479/1/TESE%20Robson%20Dias%20Alves%20Timoteo.pdf https://repositorio.ufpe.br/bitstream/123456789/38479/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/38479/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/38479/4/TESE%20Robson%20Dias%20Alves%20Timoteo.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/38479/5/TESE%20Robson%20Dias%20Alves%20Timoteo.pdf.jpg |
bitstream.checksum.fl_str_mv |
d10475a2df8962c4e76ba50fb2e50cc1 e39d27027a6cc9cb039ad269a5db8e34 bd573a5ca8288eb7272482765f819534 2a6beae22a54ab5a3bb8d7e43e487a81 520260de2b35783c6e25af5bc40bdef1 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1797782287915417600 |