Localización de una persona que no lleva dispositivos en un ambiente interior en la banda de 28 GHz basado en aprendizaje automático

Paragraph

Resumen:

Tomando ventaja del cambio de potencia en un enlace de comunicaciones, el presente estudio explora métodos de localización de una persona en una habitación usando un sistema de comunicaciones que trabaja en la banda de 28 GHz y algoritmos de clasificación y regresión random forest. A diferencia de las técnicas activas de posicionamiento, la persona no lleva ningún dispositivo electrónico. Cada uno de los transmisores usan arreglos lineales de antena con 9 elementos y 21 ángulos de iluminación mientras que los cuatro receptores están equipados con antenas omnidireccionales.
El conjunto de datos usado para el entrenamiento de los clasificadores está formado por 290 ejemplos, cada uno asociado con la ubicación de la persona. Los ejemplos se componen de características (diferencia de potencia recibida sin y con la presencia de una persona) y de identificadores de clase (número de subsecciones en que se divide la habitación). Para el caso de los regresores, los datos dependen del subconjunto de ejemplos asociado a cada clase y de una coordenada (X o Y) de la posición. Cada ejemplo utiliza 84 o 168 características.
Utilizando los resultados de un clasificador global como referencia (método a), se realiza una comparación con resultados obtenidos usando una combinación de clasificadores independientes (método b) y con los obtenidos de la combinación de clasificadores y regresores (método c). El error corresponde a la distancia euclidiana entre la posición real y la estimada. Se analizan resultados considerando que el área de estudio se divide en 16 (4x4), 32 (8x4; 4x8) y 64 (8x8) subáreas (clases). Para generar estadística, se realizan 250 iteraciones en cada uno de los métodos a, b o c. En cada iteración se generan modelos cuya precisión se evalúa usando 90 ejemplos independientes.  
Las simulaciones de trazado de rayos muestran que el número de clases y el tamaño de las subáreas son importantes en la determinación del error de la posición y que una reducción, de por lo menos 16%, respecto de un método de clasificación global se puede obtener a través de la combinación de 2 clasificadores independientes, considerando datos de uno o dos transmisores. Del mismo modo, una mayor reducción (por lo menos 21%) se alcanza combinando algoritmos de clasificación y regresión aplicados independientemente en las coordenadas X, Y. Como se esperaba, la incorporación de un segundo transmisor disminuye el error de posicionamiento.

Expositor:

- Ph. D. en ingeniería, Ecole de Technologie Superieure, 2017
- Magister en Administración de empresas, ESPAE, 1992
- MSc en ingeniería eléctrica, Syracuse University, USA, 1986
- Ingeniero en electricidad, esp. Electrónica, ESPOL, 1982
- Profesor ESPOL-FIEC, 1982-Actual
- Presidente del Consejo Nacional de Telecomunicaciones (CONATEL). 2007
- Director Regional, Secretaría Nacional de Telecomunicaciones. 2005
- Director o asesor técnico en empresas de telecomunicaciones
- Publicaciones:

  • Device free indoor localization in the 28 GHz band based on machine learning, PROCEDIA COMPUTER SCIENCE, 2023
  • Trilateration-based indoor location using supervised learning algorithms, INTERNATIONAL CONFERENCE ON APPLIED ELECTRONICS, 2022
  • Rx position effect on device free indoor localization in the 28 GHz band,  2022 IEEE SENSORS APPLICATIONS SYMPOSIUM (SAS) - SUNDSVALL, SWEDEN
  • Exploiting site-specific propagation characteristics in directional search at 28 GHz, IEEE ACCESS, 2016
  • Position-aided mm-wave beam training under NLOS conditions, IEEE ACCESS, 2016
Charlas fiec Juan Carlos Avilés

Grabación

Off