| dc.contributor | França, Felipe Maia Galvão | |
| dc.contributor | Pedreira, Carlos Eduardo | |
| dc.contributor | Lima, Priscila Machado Vieira | |
| dc.creator | Soares, Eduardo Elael de Melo | |
| dc.date | 2019-10-09T11:23:55Z | |
| dc.date | 2023-09-27T03:00:48Z | |
| dc.date | 2013-08 | |
| dc.date.accessioned | 2023-09-27T13:32:20Z | |
| dc.date.available | 2023-09-27T13:32:20Z | |
| dc.identifier | http://hdl.handle.net/11422/9951 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8909114 | |
| dc.description | O projeto consiste em um sistema de localização indoor desenvolvido para rodar em smartphones, ele faz parte de um projeto maior de localização e rastreio robusto à variações do ambiente. Entretanto este projeto se restringe ao caso de localização do aparelho em estado imóvel, desconsiderando também variações do ambiente. O algoritmo se baseia no mapeamento das assinaturas RSSI, i.e. indicadores da potência do sinal, assim como suas variações, construindo,então,uma malha de pontos e associando à cada ponto uma distribuição de probabilidade. Esta distribuição deve ser estimada pelo método de KDE –Kernel Density Estimation. O algoritmo, então, cruza os dados de RSSI medidos em tempo real com as informações contidas nas distribuições de probabilidade, através de uma inferência Bayesiana, para determinar o local mais provável de origem dos vales de RSSI aferidos. O algoritmo foi capaz de obter uma acurácia de mais de 90% | |
| dc.language | por | |
| dc.publisher | Universidade Federal do Rio de Janeiro | |
| dc.publisher | Brasil | |
| dc.publisher | Escola Politécnica | |
| dc.publisher | UFRJ | |
| dc.rights | Acesso Aberto | |
| dc.subject | localização indoor | |
| dc.subject | KDE – kernel density estimation | |
| dc.subject | inferência bayesiana | |
| dc.subject | assinatura de RSSI | |
| dc.subject | CNPQ::ENGENHARIAS | |
| dc.title | Localização indoor via KDE em assinaturas de RSSI | |
| dc.type | Trabalho de conclusão de graduação | |
