Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/28561| Título: | Algoritmos de localização em ambientes externos aplicando rede LoRaWan |
| Título(s) alternativo(s): | Localization algorithm in outdoor areas applying LoRaWAN Network |
| Autor(es): | Telles, Guilherme Pazetto |
| Orientador(es): | Moritz, Guilherme Luiz |
| Palavras-chave: | Redes remotas (Redes de computadores) Algorítmos Filtragem de Kalman Sistema de Posicionamento Global Wide area networks (Computer networks) Algorithms Kalman filtering Global Positioning System |
| Data do documento: | 21-Fev-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | TELLES, Guilherme Pazetto. Algoritmos de localização em ambientes externos aplicando rede LoRaWan. 2022. Dissertação (Mestrado em Sistemas de Energia) - Universidade Tecnológica Federal do Paraná, Curitiba, 2022. |
| Resumo: | Neste trabalho são apresentados dois algoritmos para localização de dispositivos com tecnologia LoRaWAN em ambientes externos de larga escala. O primeiro utiliza de Weighted Centroid (WC), no qual cada Gateway é classificado conforme o valor de Indicador de Força do Sinal Recebido (RSSI, do inglês Received Signal Strength Indicator) e a Razão do Sinal Ruído (SNR, do inglês,Signal Noise Ratio) emitido pelo Target Node (TN). Já o segundo algoritmo também utiliza de RSSI, porém aplica-se a seleção de pontos de intersecção entre circunferências através de algoritmo de detecção de anomalias (do inglês Outlier Detections) denominado Local Outlier of Propability (LoOP). Ademais, para comparação dos algoritmos propostos com relação a outros empregados na literatura, os algoritmos de Multilateração (MLT) e um de referência de Time Difference of Arrival (TdoA) são empregados a fim de se avaliar os resultados. Para uma maior precisão tanto nos algoritmos propostos quanto de comparação, o Filtro de Kalman (FK) aprimora a precisão de acordo com cada sequência de pacotes enviados individualmente por cada TN. Posteriormente, em uma base de dados proveniente da cidade de Antuérpia, Bélgica, análises de comportamento LoRa e dos algoritmos serão comparados, além de comparação com diferentes estudos aplicados na mesma base de dados. Como resultado, o erro médio de WC+FK foi de 566,86 m, enquanto o de LoOP+FK de 569 m, com medianas de 399,04 m e 424,38 m respectivamente. Tal valor apresenta um resultado melhor do que dos métodos MLT e TdoA com erro médio empregando Kalman de 1824,94 e 655,03 m respectivamente, com melhoria de WC+FK e LoOP+FK de mais de 31% e 8.6% e, relação ao MLT+FK e TdoA+FK, além de demonstrar os ganhos dos métodos propostos em comparação aos método mais complexos como Fingeprinting (FP), com 340 m de erro médio aplicado na mesma base de estudo. |
| Abstract: | In this paper, we introduce two different algorithms to localization of LoRaWAN devices on large scale outdoor area. The first one is Weighted Centroid (WC), classifying each gateway accordingly to the Received Signal Strength (RSSI) and Signal Noise Ratio (SNR) from the received package of the Target Node (TN). The second one also applies RSSI technique, however, differently of the previous algorithm, combines with to Outlier Detection method named Local Outlier of Probability (LoOP), selecting intersections points from circumferences. As comparing algorithms, we also will apply a Multilateraion (MLT) method, as a Time Difference of Arrival (TdoA) to the same data for results comparison. Looking for better precision estimation, Kalman Filter (KF) was applied to the package series from each TN. To validate the algorithms, they were applied to a database from Antwerp, Belgium, comparing different LoRa behaviors and algorithms characteristics, and also comparing other localization studies developed on the same data. As result, the WC+FK reach a mean error of 566,86 m, while LoOP+FK had 569 m mean. The median from both were 399,04 and 424,38 respectively. These result were better than the compared MLT and TdoAm, which had a mean error applying KF of 1824,94 and 655,03 m respectively. This demonstrates that WC+KF and LoOP improved by 31% and 8.6% the MLT+KF and TdoA+KF ones respectively. The proposals algorithms are also closer to a more complex method as Fingerprinting (FP), with 340 m mean error applied to the same database. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/28561 |
| Aparece nas coleções: | CT - Programa de Pós-Graduação em Sistemas de Energia |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| algoritmoslocalizacaoredelorawan.pdf | 2,36 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
