Localización pasiva de una persona aplicando técnicas de aprendizaje Automático

Troya Sovero, Hari Prema

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Telecomunicaciones
→
View Item

dc.contributor.advisor	Avilés Castillo, Juan Carlos , Director
dc.contributor.author	Troya Sovero, Hari Prema
dc.creator	ESPOL
dc.date.accessioned	2023-10-25T17:44:59Z
dc.date.available	2023-10-25T17:44:59Z
dc.date.issued	2023
dc.identifier.citation	Troya Sovero, H. P. (2023). Localización pasiva de una persona aplicando técnicas de aprendizaje Automático. [Proyecto integrador]. ESPOL. FIEC .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/58478
dc.description	Este proyecto tiene como objetivo desarrollar un sistema de localización en interiores para personas sin la necesidad de dispositivos portátiles, empleando Máquinas de Soporte Vectorial (SVM) como modelo de aprendizaje automático. La hipótesis central es que el uso de SVM puede ofrecer una alternativa apropiada de localización en entornos interiores sin la necesidad de dispositivos personales. El proyecto se justifica por la creciente demanda de aplicaciones de seguridad y asistencia en entornos cerrados. Para la implementación, se utilizaron cuatro receptores y un emisor BLE (bluetooth Low Energy) para capturar señales de radiofrecuencia en una habitación dividida en 16 pequeñas áreas. Los datos se procesaron y analizaron utilizando MATLAB. Los resultados muestran que el modelo entrenado con el 75% de datos y un 25% para validación alcanzo una exactitud del 73%. Sin embargo, esta exactitud disminuye al 46% en los datos de prueba con un juego de datos completamente independientes de los usados para entrenamiento y validación, lo que indica que, siendo resultados prometedores, todavía se presentan muchas oportunidades futuras para optimizar el modelo y mejorar la precisión. En conclusión, el proyecto demuestra la viabilidad de utilizar SVM para la localización de personas en una habitación sin la necesidad de dispositivos portátiles.
dc.format	application/pdf
dc.format.extent	51 páginas
dc.language.iso	spa
dc.publisher	ESPOL
dc.rights	openAccess
dc.subject	Máquinas de Soporte Vectorial
dc.subject	Aprendizaje automático
dc.subject	Localización
dc.title	Localización pasiva de una persona aplicando técnicas de aprendizaje Automático
dc.type	Ingeniero en telecomunicaciones
dc.identifier.codigoespol	T-113801
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	INGE-2131
dc.description.abstractenglish	This project aims to develop an indoor location system for people without the need for portable devices, using Support Vector Machines (SVM) as a machine learning model. The central hypothesis is that the use of SVM can offer an appropriate localization alternative in indoor environments without the need for personal devices. The project is justified by the growing demand for security and assistance applications in closed environments. For the implementation, four receivers and a BLE (Bluetooth Low Energy) transmitter were used to capture radio frequency signals in a room divided into sixteen small areas. Data were processed and analyzed using MATLAB. The results show that the model trained with 75% of data and 25% for validation achieved an accuracy of 73%. However, this accuracy decreases to 46% on the test data with a data set completely independent of those used for training and validation, indicating that while the results are promising, there are still many opportunities to optimize the model and improve the precision. In conclusion, the project demonstrates the feasibility of using SVM to locate people in a room without the need for portable devices.