Earticle

현재 위치 Home

Nano Information Technology (NIT)

Estimating Indoor Radio Environment Maps with Mobile Robots and Machine Learning

첫 페이지 보기
  • 발행기관
    국제인공지능학회(구 한국인터넷방송통신학회) 바로가기
  • 간행물
    The International Journal of Advanced Smart Convergence 바로가기
  • 통권
    Volume 12 Number 1 (2023.03)바로가기
  • 페이지
    pp.92-100
  • 저자
    Taewoong Hwang, Mario R. Camana Acosta, Carla E. Garcia Moreta, Insoo Koo
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A427727

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
Wireless communication technology is becoming increasingly prevalent in smart factories, but the rise in the number of wireless devices can lead to interference in the ISM band and obstacles like metal blocks within the factory can weaken communication signals, creating radio shadow areas that impede information exchange. Consequently, accurately determining the radio communication coverage range is crucial. To address this issue, a Radio Environment Map (REM) can be used to provide information about the radio environment in a specific area. In this paper, a technique for estimating an indoor REM using a mobile robot and machine learning methods is introduced. The mobile robot first collects and processes data, including the Received Signal Strength Indicator (RSSI) and location estimation. This data is then used to implement the REM through machine learning regression algorithms such as Extra Tree Regressor, Random Forest Regressor, and Decision Tree Regressor. Furthermore, the numerical and visual performance of REM for each model can be assessed in terms of R2 and Root Mean Square Error (RMSE).

목차

Abstract
1. Introduction
2. Methodology for predicting radio coverage
2.1 Machine Learning Regression Algorithm
3. Experiment Testbed Configuration
3.1 Mobile Robot
3.2 Data Organization
3.3 Data Collection Location
3.4 Data collection methods and data merging
4. Numerical Results
5. Graphical Results of the REM
6. Conclusion
Acknowledgement
References

키워드

Radio Environment Map Mobile Robot machine learning Random Forest Regression Extra Tree Regressior DecisionTreeRegressor

저자

  • Taewoong Hwang [ Master Student, Department of Electrical/Electronic and Computer Engineering, University of Ulsan, Ulsan, Korea ]
  • Mario R. Camana Acosta [ PhD, Department of Electrical/Electronic and Computer Engineering, University of Ulsan, Ulsan, Korea ]
  • Carla E. Garcia Moreta [ PhD Student, Department of Electrical/Electronic and Computer Engineering, University of Ulsan, Ulsan, Korea ]
  • Insoo Koo [ Professor, Department of Electrical/Electronic and Computer Engineering, University of Ulsan, Ulsan, Korea ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제인공지능학회(구 한국인터넷방송통신학회) [The International Association for Artificial Intelligence]
  • 설립연도
    2000
  • 분야
    공학>전자/정보통신공학
  • 소개
    인터넷방송, 인터넷 TV , 방송 통신 네트워크 및 관련 분야에 대한 국내는 물론 국제적인 학술, 기술의 진흥발전에 공헌하고 지식 정보화 사회에 기여하고자 한다.

간행물

  • 간행물명
    The International Journal of Advanced Smart Convergence
  • 간기
    계간
  • pISSN
    2288-2847
  • eISSN
    2288-2855
  • 수록기간
    2012~2025
  • 십진분류
    KDC 326 DDC 380

이 권호 내 다른 논문 / The International Journal of Advanced Smart Convergence Volume 12 Number 1

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.