QA-kNN: Indoor Localization Based on Quartile Analysis and the kNN Classifier for Wireless Networks

Abstract

Considering the variation of the received signal strength indicator (RSSI) in wireless networks, the objective of this study is to investigate and propose a method of indoor localization in order to improve the accuracy of localization that is compromised by RSSI variation. For this, quartile analysis is used for data pre-processing and the k-nearest neighbors (kNN) classifier is used for localization. In addition to the tests in a real environment, simulations were performed, varying many parameters related to the proposed method and the environment. In the real environment with reference points of 1.284 density per unit area (RPs/m2), the method presents zero-mean error in the localization in test points (TPs) coinciding with the RPs. In the simulated environment with a density of 0.327 RPs/m2, a mean error of 0.490 m for the localization of random TPs was achieved. These results are important contributions and allow us to conclude that the method is promising for locating objects in indoor environments.

Localização em ambientes internos baseada em regressão kNN utilizando beamforming

“…O algoritmo k-Nearest Neighbors (kNN) é geralmente utilizado em problemas de classificação, como em [21], entretanto, ele também pode ser utilizado em problemas de regressão. O kNN realiza a predição de novos valores a partir de medidas de similaridade entre as variáveis preditoras (x i ).…”

Localização em Ambientes Internos Baseada em Aprendizado Supervisionado Utilizando Estações de Rádio FM

“…Em [Ferreira et al 2020], os autores propuseram um método de localização em ambientes internos utilizando redes Wi-Fi. O objetivo foi melhorar a precisão de localização, queé comprometida pela instabilidade das medições de RSSI.…”

“…O trabalho de [Popleteev et al 2012] contribui para uma abordagem de baixo custo, visto que os gastos com a instalação de dispositivos fixos são suprimidos. Os trabalhos de [Ferreira et al 2020] e [Salamah et al 2016] apresentam, respectivamente, a QA e a PCA como abordagens estatísticas para o tratamento de dados com intuito de alcançar melhores resultados. Estas abordagens estatísticas combinadas podem ajudar na caracterização do comportamento dos sinais de rádio FM em um cenário de localização.…”

Pro-Athlete: A guide system for visually impaired athletes in Olympic track race

“…Through sports, athletes can achieve the best performance of body, breaking records of speed, endurance, distance, and precision. It is noticed that human ingenuity has its principle in the use of techniques that are becoming more sophisticated for the well-being of human being [1][2][3]. In this sense, we reflect how important technologies are in our activities, including sports.…”