Application of machine-learning techniques for radio fingerprint localization
Application des techniques d'apprentissage à la géolocalisation par radio fingerprint
Résumé
The objective of this thesis is to improve the localization precision in indoor environments where GPS signal is weak or non‐existent. The originality of the research lies in the design of indoor localization system based on radio signals received from external sources. In this work, real measurements of received GSM signals were used. Given the difficulties associated with these experimental procedures (uncertainty and noise related to the measurements), the first part of the thesis is dedicated to their description. The processing and interpretation of radio GSM measurements in a real propagation environment were a challenge in this study. Indeed, all carriers of the GSM network were considered with no a priori hypothesis made regarding their relevance. The second part of this thesis then describes a study of relevance, as well as the statistical learning approaches (supervised and semi‐supervised) which were implemented to predict positions from the measurements. A choice of learning method was made based on the studies conducted on these measurements. The promising room‐level localization performance reached in this thesis demonstrates clearly that good quality indoor localization can be obtained by applying a machine learning strategy to GSM radio fingerprints.
L'objectif de la thèse est d'améliorer la précision de localisation des personnes (ou objets) dans les environnements où le signal GPS est faible, voire inexistant, par exemple à l'intérieur de bâtiments. L'originalité de ce travail est d'utiliser des signaux radio reçus de sources extérieures pour effectuer la localisation à l'intérieur des bâtiments. Durant ce travail, des mesures des puissances reçues ont été effectuées dans diverses conditions. Étant données les difficultés liées aux processus expérimentaux (incertitude et bruit liés aux mesures), ce dernier point a constitué une première partie de ce travail de thèse. Le traitement et l'interprétation des mesures des puissances de signaux radio dans un environnement de propagation instable ont été un véritable défi durant cette étude. En effet, toutes les porteuses du réseau GSM ont été considérées et aucune hypothèse n'a été posée, à priori, sur leurs pertinences. Une seconde partie de la thèse a été justement consacrée à l'estimation de ces pertinences. Le problème de la détermination de la pièce dans laquelle se trouve le mobile a été considéré comme un problème de classification automatique : des méthodes d'apprentissage statistique (supervisé et semi‐supervisé) ont donc été mises en oeuvre. Le choix des méthodes utilisées a été fait sur la base des études menées sur les mesures des puissances. Des performances très satisfaisantes ont été obtenues, dans les pièces de deux bâtiments différents. Ces résultats ont ainsi confirmé l'apport des méthodes d'apprentissage statistique au problème de localisation par fingerprints.
Loading...