Estimação do Ângulo de Chegada utilizando Bluetooth 5.1 e redes profundas

Loading...
Thumbnail Image

Co-advisor(s)

Committee members

Oliveira, Jozias Parente de
Cardoso, Fábio de Sousa

Journal Title

Journal ISSN

Volume Title

Publisher

Universidade Federal do Amazonas

Access rights

DOI

Resumo (Portuguese)

Os sistemas de posicionamento indoor ganharam destaque impulsionados pelo aumento do uso de dispositivos móveis e pela necessidade de localização ou orientação precisa em diversos setores. O Bluetooth Low Energy (BLE) 5.1 destacase para tarefas de orientação espacial devido ao baixo consumo energético e à disponibilidade de recursos para obtenção do ângulo de chegada (AoA), por meio de amostras em quadratura IQ. O processamento dessas amostras é fundamental para a estimação do AoA. No entanto, a literatura carece de bases de dados desses sinais de rádio com amostras reais além de ainda não dispor de estudos aplicando conceitos de machine learning e, especificamente, de deep learning, para estimar o ângulo de chegada. Nesse contexto, este trabalho propõe o uso de técnicas de deep learning para a estimação do AoA por meio de um modelo de regressão aplicado a sistemas de orientação indoor baseados em Bluetooth utilizando amostra reais coletadas. Apresentamos todo o cenário de coleta e os procedimentos necessários para a validação das amostras e do modelo proposto. Através da métrica de desempenho Mean Absolute Error (MAE), constatamos um erro de 1,38° na estimação do ângulo de 135° e, no geral, o modelo proposto apresentou um MAE de 1,87°.

Abstract

Indoor positioning systems have gained prominence driven by the increased use of mobile devices and the need for precise location or guidance in various sectors. Bluetooth Low Energy (BLE) 5.1 stands out for spatial orientation tasks due to its low energy consumption and the availability of resources for obtaining the angle of arrival (AoA), through IQ quadrature samples. Processing these samples is critical to AoA investigation. However, the literature lacks databases of these radio signals with real samples, in addition to not yet having studies applying concepts of machine learning and, specifically, deep learning, to estimate the angle of arrival. In this context, this work proposes the use of deep learning techniques to study AoA through a regression model applied to Bluetooth-based indoor guidance systems using real collected samples. We present the entire collection scenario and the procedures necessary to validate the samples and the proposed model. Using the Mean Absolute Error (MAE) performance metric, we found an error of 1.38° in estimating the 135° angle and, overall, the proposed model presented an MAE of 1.87°.

Description

Controlled term

Sustainable Development Goals (SDG)

Citation

NASCIMENTO, Lennon Brandão Freitas do. Estimação do Ângulo de Chegada utilizando Bluetooth 5.1 e redes profundas. 2023. 67 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, 2023.

Endorsement

Review

Supplemented By

Referenced By

Creative Commons license

Except where otherwise noted, this item's license is described as Acesso Aberto