Software pro vyhodnocení dat z monitorování a lokalizace v reálném čase

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APR33158" target="_blank" >RIV/00216305:26220/20:PR33158 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.urel.feec.vutbr.cz/web_documents/produkty/2020/Slanina_et_al_vyhodnoceni_dat_z_lokalizace_CZ.pdf" target="_blank" >http://www.urel.feec.vutbr.cz/web_documents/produkty/2020/Slanina_et_al_vyhodnoceni_dat_z_lokalizace_CZ.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Software pro vyhodnocení dat z monitorování a lokalizace v reálném čase

Popis výsledku v původním jazyce

Pro určení polohy ve vnitřním prostředí je možné využít měření a vyhodnocení výkonové úrovně přijímaných radiofrekvenčních signálů, které se zpravidla snižují se vzdáleností od vysílačů. Vzhledem ke své nízké energetické náročnosti a snadné dostupnosti zařízení se jako perspektivní pro takovouto lokalizaci jeví signály systému Bluetooth Low Energy (BLE) s využitím techniky Fingerprinting, přesnost lokalizace je však negativně ovlivněna nestabilitou měření. Předložený software aplikuje různé techniky strojového učení na měřená data s cílem zvýšit stabilitu výsledků a spolehlivost určení polohy na základě měřených úrovní. Software je vytvořen v programovacím jazyce Python 3 s použitím volně dostupných softwarových modulů - zejména scikit-learn a matplotlib.

Název v anglickém jazyce

Software for Data Evaluation from Real-Time monitoring and Localization in Indoor Environment

Popis výsledku anglicky

In order to determine location in an indoor environment, measurement and analysis of radio-frequency signal power levels can be used as they tend to decrease with increasing transmitter distance. Due to its low energy consumption coupled with device availability, a perspective system for such application is the Bluetooth Low Energy system with the use of the Fingerprinting technique. The localization accuracy is, however, negatively impacted by the low measurement stability. The proposed software applies different machine learning techniques on the measurement data in order to improve the result stability and the reliability of location estimation based on the measured signal levels. The software has been implemented in the Python 3 programming language, using freely available software modules - most importantly, scikit-learn and matplotlib.

Druh

R - Software

CEP obor

—

OECD FORD obor

20202 - Communication engineering and systems

Projekt

<a href="/cs/project/LTC18021" target="_blank" >LTC18021: Budoucí bezdrátové a radiové komunikační sítě v reálných podmínkách (FEWERCON)</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

SW - lokalizace BLE

Technické parametry

Software je vytvořen v programovacím jazyce Python

Ekonomické parametry

Balík softwaru je nabízen pod akademickou licencí k využití zdarma včetně zdrojového kódu.

IČO vlastníka výsledku

—

Název vlastníka

Ústav radioelektroniky