Gelişmiş Arama

Basit öğe kaydını göster

dc.contributor.authorAlamery, Ali Mohammed Hassan
dc.date.accessioned2023-07-29T18:10:24Z
dc.date.available2023-07-29T18:10:24Z
dc.date.issued2022en_US
dc.identifier.urihttps://hdl.handle.net/11363/5121
dc.descriptionDanışman: DOÇ. DR. INDRIT MYDERRİZİ Yer Bilgisi: İstanbul Gelişim Üniversitesi / Lisansüstü Eğitim Enstitüsü / Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı Konu: Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineeringen_US
dc.description.abstractPosition estimation and approximation is one of the most significant and challenging tasks in indoor location detection using global navigation systems. This reserch deal with the indoor human tracking system. The practical model the use study interlocks handles a floor containing seven rooms of different dimensions to add more challenges to the system and give realism to this work. It consists of hardware types of equipment and software. The hardware equipment used contains Node MCU ESP8266 Microcontroller, serial communication, micro USB charger, polymer lithium-ion battery, OLED 128*64 display, and HC-05 Bluetooth model. These a kind of equipment are small in size with low power, low cost, and high-speed response. The data information of this model is collected by using Wi-Fi and transmitted via Bluetooth. This work presents the design and analysis of Wi-Fi RSSI from the received radio frequency signals for human location detection in an indoor environment. The way of working with the information was done offline to gather site information for the project and online to be utilized in identifying the location during system operation. The purpose of using the software was that after collecting the information and by using the machine learning (ML) support vector machine (SVM) theory, the information was trained and a model of the location detection system was built using online data. Python has been used as a system programming language that is efficient in that and it contains libraries that support machine learning. The classification accuracy and speed employing SVM theory as a linear method exhibits high accuracy and good speed of the system, it reaches up to 87% accuracy within a few seconds.en_US
dc.description.abstractKonum tahmini ve tahmini, küresel navigasyon sistemleri kullanılarak iç mekan konum tespitinde en önemli ve zorlu görevlerden biridir. Bu proje, iç mekan insan takip sistemi ile ilgilidir. Bu projedeki pratik model, sisteme daha fazla zorluk eklemek ve bu işe gerçekçilik kazandırmak için farklı boyutlarda yedi oda içeren bir katı ele alıyor. Donanım türleri, ekipman ve yazılımlardan oluşur. Kullanılan donanım ekipmanı Node MCU ESP8266 Mikrodenetleyici, seri iletişim, mikro USB şarj cihazı, polimer lityum iyon pil, OLED 128*64 ekran ve HC-05 Bluetooth modelini içermektedir. Bu ekipman parçaları, düşük güç, düşük maliyet ve yüksek hızlı yanıt ile küçük boyutludur. Bu modelin veri bilgileri Wi-Fi kullanılarak toplanır ve Bluetooth ile iletilir. Bu çalışma, bir kapalı ortamda insan konum tespiti için alınan radyo frekansı sinyallerinden Wi-Fi RSSI'nin tasarımını ve analizini sunar. Bilgilerle çalışma şekli, proje için saha bilgisi toplamak için çevrimdışı ve sistem çalışması sırasında yerin belirlenmesinde kullanılmak üzere çevrimiçi yapıldı. Yazılımın kullanım amacı, bilgileri topladıktan sonra ve makine öğrenmesi (ML) destek vektör makinesi (SVM) teorisini kullanarak, bilgilerin eğitilmesi ve çevrimiçi veriler kullanılarak konum tespit sisteminin bir modelinin oluşturulmasıydı. Python, bu konuda verimli bir sistem programlama dili olarak kullanılmıştır ve makine öğrenmesini destekleyen kütüphaneler içermektedir. SVM teorisini doğrusal bir yöntem olarak kullanan sınıflandırma doğruluğu ve hızı, sistemin yüksek doğruluk ve iyi hızını sergilemekte, birkaç saniye içinde %87'ye varan doğruluğa ulaşmaktadır.en_US
dc.language.isoengen_US
dc.publisherİstanbul Gelişim Üniversitesi Lisansüstü Eğitim Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectMobile networken_US
dc.subjectTracking systemen_US
dc.subjectMobil ağen_US
dc.subjectTakip sistemien_US
dc.titleIndoor human tracking system using mobile networksen_US
dc.typemasterThesisen_US
dc.departmentLisansüstü Eğitim Enstitüsüen_US
dc.relation.publicationcategoryTezen_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster

info:eu-repo/semantics/openAccess
Aksi belirtilmediği sürece bu öğenin lisansı: info:eu-repo/semantics/openAccess