پديد آورنده :
بصيرت، اميرمحمد
عنوان :
تشخيص وجود و مكان‌يابي انسان در خانه‌هاي هوشمند با استفاده از شبكه بي‌سيم محلي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مخابرات سيستم
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
شانزده، 96ص.: مصور، جدول، نمودار
استاد راهنما :
نغمه سادات مويديان
استاد مشاور :
مازيار پالهنگ
توصيفگر ها :
پنجره متحرك , تشخيص حضور انسان , خانه هوشمند , قدرت سيگنال دريافتي , ماشين بردار پشتيبان , مدل ماركف اصلاح‌شده , مكان‌يابي غيرفعال
استاد داور :
محمد جواد اميدي، فروغ سادات طباطبا
تاريخ ورود اطلاعات :
1400/09/24
دانشكده :
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات :
1400/09/27
چكيده فارسي :
به طور كلي هميشه مسائل مربوط به امنيت يك محيط از اهميت خاصي برخوردار بوده است. اخيراً با توجه به گسترش شبكه بي‌سيم محلي در داخل خانه‌هاي هوشمند، اين انگيزه شكل گرفته است تا جهت تشخيص حضور انسان و مكان‌يابي غيرفعال يك شخص، از تأثيرات حضور يك شخص در مكان‌هاي مختلف خانه هوشمند روي قدرت سيگنال دريافتي از نقاط دسترسي مختلف استفاده كرد. با اين حال چند مسيرگي سيگنال و جابه‌جايي در موقعيت مكاني وسايل منزل (مثل جابه‌جايي مبلمان و غيره)، به مرور زمان مي‌تواند قدرت سيگنال دريافتي از نقاط دسترسي را تحت شعاع قرار دهد؛ به‌گونه‌اي كه ديگر نقشه راديويي تهيه شده، دقيق و قابل اعتماد نباشد.
براي حل اين مسئله در سيستم‌هاي تشخيص حضور انسان و مكان‌يابي پيشنهادي، در نظر گرفته شده است تا سيستم به صورت خودكار داده‌هاي آموزشي خود را به‌روز رساني كند و با استفاده از پيش‌بيني‌هاي انجام شده قبلي عملكرد خود را بهبود ببخشد. نتايج پياده‌سازي سيستم‌هاي پيشنهادي با استفاده از يك گيرنده و چهار فرستنده در يك خانه هوشمند با مساحت 135 مترمربع نشان مي‌دهد كه با گذشت زمان، سيستم تشخيص حضور انسان با استفاده از ماشين بردار پشتيبان تك رده‌اي و روش پنجره متحرك پيشنهادي مي‌تواند با نرخ يادآوري %94 حضور انسان را تشخيص دهد، درحالي‌كه نرخ هشدار كاذب آن برابر با %1 است. همچنين نتايج پياده‌سازي سيستم مكان‌يابي پيشنهادي نشان مي‌دهد كه با گذشت زمان و با كمترين امكانات در شرايطي كه ديد مستقيم بين گيرنده و فرستنده‌ها وجود ندارد، مدل ماركف اصلاح‌شده پيشنهادي مي‌تواند مكان يك شخص را با متوسط بدون وزن امتياز F1 برابر با %78 پيش‌بيني كند و عملكرد سيستم را تا حد زيادي بهبود ببخشد.
چكيده انگليسي :
Issues related to the security of an environment have always been of particular importance. On the other hand, due to the expansion of local wireless networks inside smart homes, the motivation has been formed to use effects of a person’s presence in different locations of a smart home on the signal strength received from various access points. However, multipath signal and movement in home appliances (such as moving furniture) can over time overshadow signal strength received from access points; In such a way, the prepared radio map is not accurate and reliable. To solve this problem, our system automatically updates its training data and uses previous predictions. The proposed human presence detection system uses the one-class support vector machine and sliding window method. We implement the proposed system in a smart home with 135 square meters using one receiver and four transmitters. With these minimal devices, there is no line of sight between the receiver and all transmitters. The implementation of the proposed system shows that over time, it detects human presence with a recall rate of 94%, while its false alarm rate is about 1%. The implementation of the proposed location system shows that over time, the modified Markov model predicts the location of the person with an average of F1_score equal to 78%. This average is without weight.
استاد راهنما :
نغمه سادات مويديان
استاد مشاور :
مازيار پالهنگ
استاد داور :
محمد جواد اميدي، فروغ سادات طباطبا
