Back to search

National and Kapodistrian University of Athens

Artificial neural network techniques for estimation of indoor LiFi user position

Abstract

dc:description

Αυτή η εργασία μελετά ένα νέο σύστημα οπτικών επικοινωνιών LiFi για την εκτίμηση της τρισδιάστατης θέσης και του προσανατολισμού των συσκευών των χρηστών, με βάση συλλεγμένα, επισημασμένα και ελεγμένα δεδομένα, χρησιμοποιώντας προσεγγίσεις τεχνητών νευρωνικών δικτύων που βασίζονται σε πυρήνα. Περιγράφονται τόσο η συλλογή και η επισήμανση ενός συνόλου δεδομένων, όσο και τα χρησιμοποιούμενα μοντέλα. Παρουσιάζονται οι αλγόριθμοι ANN, όπως CNN, MLP και SVM και τα αποτελέσματα συγκρίνονται με αυτά του KNN ως προς την απόδοση, όπως ο χρόνος που χρησιμοποιείται, ο ρυθμός σφάλματος bit, η ακρίβεια και το μέσο σφάλμα εκτίμησης. Η όλη διαδικασία χωρίστηκε σε διάφορα στάδια, όπως συλλογή δεδομένων, μοντέλο εκπαίδευσης και έλεγχο. Στη διαδικασία συλλογής δεδομένων χρησιμοποιείται κώδικας MATLAB που βασίζεται σε εκτίμηση γωνίας περιστροφής, περικομμένη κατανομή Laplace με βάση τόσο το LOS όσο και το NLOS, ενώ το μοντέλο εκπαίδευσης περιλαμβάνει την επιλογή του καλύτερου μοντέλου απεικόνισης για την επίτευξη βέλτιστης απόδοσης όσον αφορά τη θέση, τις γωνίες προσανατολισμού του εξοπλισμού χρήστη και το λαμβανόμενο SNR διάνυσμα. Στη φάση του ελεγχου, είναι προφανές ότι τα μοντέλα τροφοδοτούνται από άγνωστα και ανεξερεύνητα δεδομένα και στη συνέχεια εκτιμάται η ορθότητα των αποτελεσμάτων.

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Ibragimova Dilnoza

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3222988

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Ibragimova Dilnoza. Artificial neural network techniques for estimation of indoor LiFi user position. 2022. https://pergamos.lib.uoa.gr/uoa/dl/object/3222988