Return to search

Classificação de ambientes prediais para usuários utilizando tags RFID ativas e filtro de Kalman

Dissertação (mestrado)—Universidade de
Brasília, Faculdade de Tecnologia,
Departamento de Engenharia Elétrica, 2012. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2013-01-31T15:46:56Z
No. of bitstreams: 1
2012_CristovamAlbanoSilvaJunior.pdf: 2422961 bytes, checksum: 1b2427ea94d6f7ef03e86fb917635ad1 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2013-03-22T11:33:10Z (GMT) No. of bitstreams: 1
2012_CristovamAlbanoSilvaJunior.pdf: 2422961 bytes, checksum: 1b2427ea94d6f7ef03e86fb917635ad1 (MD5) / Made available in DSpace on 2013-03-22T11:33:10Z (GMT). No. of bitstreams: 1
2012_CristovamAlbanoSilvaJunior.pdf: 2422961 bytes, checksum: 1b2427ea94d6f7ef03e86fb917635ad1 (MD5) / RFID e outras tecnologias sem fio têm sido objeto de estudo em aplicações de localização
de usuários em ambientes internos de edificações. Existem diferentes formas de se prover a localização com as variáveis disponibilizadas por estes sistemas, sendo uma das mais populares, a utilização do RSSI como referência, pois esta grandeza possui relação com a distância entre o transmissor e o receptor do sinal. Entretanto, promover a localização em
ambientes internos de edificações com o RSSI não é trabalho tão trivial, pois o sinal RF sofre interferências diversas, próprias do canal de comunicação RF em ambientes internos e de difícil modelagem, durante seu trajeto, ocasionando muita incerteza nos valores registrados pelos equipamentos que compõe o sistema RFID. Elas podem ser minimizadas através da aplicação de ferramentas computacionais como o filtro de Kalman e as redes
neurais MLP e LVQ ou as SVM, treinadas com amostras de sinal que representem de forma qualitativa a área em que será provida a localização. O presente trabalho compara o desempenho destas ferramentas computacionais aplicadas a um banco de dados coletado de um sistema de RFID com tags ativas disponibilizado no LARA para experimentos. Tal sistema será usado para a classificação de ambientes delimitados do LARA, onde estarão usuários portadores das tags RFID, para assim controlar o sistema de climatização daquele laboratório. ______________________________________________________________________________ ABSTRACT / RFID and others technologies have been object of study in applications of indoor localization. There are different ways of providing localization with the variables provided by these systems, one of the most popular is the use of RSSI as the reference, since it has relation with the distance between the transmitter and the receiver of the signal. However,
to provide the indoor localization with RSSI is not so trivial, because the RF signal suffers from various interferences, own of RF indoor communication channel and its very difficult modeling, during its course, causing much uncertainty on the registered values of RSSI by the equipments of RFID system. These uncertainties can be minimized by the application of some computational tools such as Kalman Filter and classifiers as MLP or LVQ neural networks, or the SVM, trained with signal samples that represent in a qualitative form the area in that the localization will be provided. This work compares the performance of this
computational tools applied to the data collected from an RFID system with active tags, available in LARA to the experiments, and that will be used to classify some delimited environment of LARA, where users with RFID tags will be, and then control the HVAC
system of that laboratory.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/12556
Date21 August 2012
CreatorsSilva Júnior, Cristovam Albano da
ContributorsBauchspiess, Adolfo
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0019 seconds