Застосування методів штучного інтелекту для визначення місцеположення мобільної станції

Автор(и)

  • Олена Семенова Вінницький національний технічний університет Автор https://orcid.org/0000-0001-5312-9148
  • Андрій Семенов Вінницький національний технічний університет Автор https://orcid.org/0000-0001-9580-6602
  • Андрій Луцишин Вінницький національний технічний університет Автор
  • Вадим Дира Вінницький національний технічний університет Автор

DOI:

https://doi.org/10.31861/sisiot2023.1.01006

Ключові слова:

мобільна станція, позиціонування, нечіткий контролер

Анотація

Для сучасних систем безпровідного зв'язку важливими є функції позиціонування, тобто автоматичне визначення місцеположення станції у межах мережі. Наразі все більшої популярності набувають різні способи позиціонування об’єктів як на відкритому просторі, так і усередині приміщення. Процедура позиціонування включає в себе визначення координат і параметрів руху мобільного абонента. Проте, при впровадженні більш нових мереж, для розвитку послуг, пов’язаних з місцеположенням станції, необхідна значно вища точність визначення географічних координат мобільної станції. Для розв’язання задачі позиціонування мобільної станції обчислюються її географічні координати при відомих координатах найближчих базових станцій. У роботі запропоновано використовувати генетичний нейро-нечіткий контролер для підвищення ефективності визначення місцезнаходження мобільної станції. Методи позиціонування, що передбачають використання методів штучного інтелекту, базуються на вимірюваннях рівнів сигналів від найближчих точок доступу або базових стацій, а їх координати є відомими. Пропонований метод визначення місцеположення базується на значеннях величини рівня прийнятого сигналу – RSSI. В той же час, недоліком методу RSSI є його недостатня точність, підвищити яку пропонується за рахунок використання методів штучного інтелекту – нечіткої логіки, нейронних мереж, генетичних алгоритмів. Таким чином, метою даної роботи є розроблення оптимізованого методу визначення місцеположення мобільної станції. Згідно запропонованого методу, значення RSSI та ToA надходять у генетичний нейро-нечіткий контролер, що функціонує за базою з 25 правил, на його виході після відповідного оброблення з’являється значення відстані від мобільної станції до однієї із базових станцій. Застосовано гібридний підхід, де нейромережева структура передбачає адаптивне налаштування бази нечітких правил, а генетичний алгоритм забезпечує  вибір оптимального варіанту.

Завантажити

Дані для завантаження поки недоступні.

Біографії авторів

  • Олена Семенова, Вінницький національний технічний університет

    Отримала ступінь кандидата технічних наук у Вінницькому національному технічному університеті у 2007 році. Наразі працює доцентом кафедри інфокомунікаційних систем та технологій Вінницького національного технічного університету. Сфера наукових інтересів - телекомунікаційні мережі та м'які обчислення. Має понад 160 наукових праць. Лауреат премії Президента України для молодих вчених у 2014 році.

  • Андрій Семенов, Вінницький національний технічний університет

    Отримав ступінь кандидата технічних наук у Вінницькому національному технічному університеті у 2008 році та ступінь доктора наук у Національному університеті "Львівська політехніка" у 2019 році. В даний час є професором кафедри інформаційних радіоелектронних технологій та систем Вінницького національного технічного університету. Автор та співавтор понад 320 наукових праць. Лауреат Державної премії за наукові досягнення у 2013 році та двох Державних премій для молодих вчених у 2013 та 2014 роках.

  • Андрій Луцишин, Вінницький національний технічний університет

    Отримав ступінь бакалавра з телекомунікацій у 2020 році та ступінь магістра з телекомунікацій та радіотехніки у 2021 році у Вінницькому національному технічному університеті. Аспірант кафедри інфокомунікаційних систем та технологій.

  • Вадим Дира, Вінницький національний технічний університет

    Отримав ступінь бакалавра радіотехніки у 2021 році та ступінь магістра телекомунікаційних систем та мереж у 2022 році у Вінницькому національному технічному університеті.

Посилання

J. He, “Research on Mobile Node Localization Optimization Algorithm in Wireless Sensor Networks Based on Monte Carlo Method,” Wireless Communications and Mobile Computing, vol. 2022. Hindawi Limited, pp. 1–12, Oct. 20, 2022. doi: 10.1155/2022/7131099. https://www.hindawi.com/journals/wcmc/2022/7131099/

M. Bala Krishna and M. N. Doja, “Data Gathering and Data Management Techniques in Wireless Sensor Networks,” Wireless Sensor Networks. CRC Press, pp. 331–353, Apr. 21, 2016. doi: 10.1201/b13092-12.

T. Ahmad, X. J. Li, and B.-C. Seet, “Fuzzy-Logic Based Localization for Mobile Sensor Networks,” 2019 2nd International Conference on Communication, Computing and Digital systems (C-CODE). IEEE, Mar. 2019. doi: 10.1109/c-code.2019.8681024.

L. S. Ezema and C. I. Ani, “Artificial Neural Network Approach to Mobile Location Estimation in GSM Network,” International Journal of Electronics and Telecommunications, vol. 63, no. 1. Walter de Gruyter GmbH, pp. 39–44, Mar. 01, 2017. doi: 10.1515/eletel-2017-0006.

M. W. P. Maduranga and R. Abeysekera, “Bluetooth Low Energy (BLE) and Feed Forward Neural Network (FFNN) Based Indoor Positioning for Location-based IoT Applications,” International Journal of Wireless and Microwave Technologies, vol. 12, no. 2. MECS Publisher, pp. 33–39, Apr. 08, 2022. doi: 10.5815/ijwmt.2022.02.03.

Chen, C.-S. (2012). Artificial Neural Network for Location Estimation in Wireless Communication Systems. In Sensors (Vol. 12, Issue 3, pp. 2798–2817). MDPI AG. doi: 10.3390/s120302798

Z. Zhang, F. Jiang, B. Li, and B. Zhang, “A novel time difference of arrival localization algorithm using a neural network ensemble model,” International Journal of Distributed Sensor Networks, vol. 14, no. 11. SAGE Publications, p. 155014771881579, Nov. 2018. doi: 10.1177/1550147718815798.

M. Alakhras, M. Oussalah, and M. Hussein, “A survey of fuzzy logic in wireless localization,” EURASIP Journal on Wireless Communications and Networking, vol. 2020, no. 1. Springer Science and Business Media LLC, May 07, 2020. doi: 10.1186/s13638-020-01703-7.

P.-C. Chiu et al., “An Adaptive Location-Based Tracking Algorithm Using Wireless Sensor Network for Smart Factory Environment,” Mathematical Problems in Engineering, vol. 2021. Hindawi Limited, pp. 1–10, Oct. 18, 2021. doi: 10.1155/2021/4325708.

Y.-C. Chiou and L. W. Lan, “Genetic fuzzy logic controller: an iterative evolution algorithm with new encoding method,” Fuzzy Sets and Systems, vol. 152, no. 3. Elsevier BV, pp. 617–635, Jun. 2005. doi: 10.1016/j.fss.2004.11.011.

Завантаження


Переглядів анотації: 52

Опубліковано

2023-06-30

Номер

Розділ

Статті

Як цитувати

[1]
О. Семенова, А. Семенов, А. Луцишин, and В. Дира, “Застосування методів штучного інтелекту для визначення місцеположення мобільної станції”, SISIOT, vol. 1, no. 1, p. 01006, Jun. 2023, doi: 10.31861/sisiot2023.1.01006.

Схожі статті

Ви також можете розпочати розширений пошук схожих статей для цієї статті.