Betrouwbare foutinschatting van lokalisatie gebaseerd op signaalkarakteristieken in LPWA-netwerken.

De afgelopen jaren hebben Low Power Wide Area Networks (LPWAN) veel aandacht gekregen, vanwege de opkomst van het Internet of Things (IoT) en de noodzaak om apparaten in deze lange-afstandsnetwerken te lokaliseren, met een minimaal energieverbruik. Asset tracking is een van de klassieke toepassingen van LPWAN-lokalisatie. Hoe nauwkeuriger een lokalisatiealgoritme, hoe meer toepassingsmogelijkheden (bijvoorbeeld huisautomatisering, gezondheidszorgoplossingen en slimme steden) om dit algoritme te gebruiken. Daarom hebben we geavanceerde technologieën en algoritmen nodig om de nauwkeurigheid en betrouwbaarheid van LPWAN-lokalisatie te verbeteren. Hoewel op feature-gebaseerde lokalisatie veel wordt gebruikt in omgevingen binnenshuis, zullen we het gebruik van deze methodiek uitbreiden tot buitenomgevingen. Features worden gedefinieerd als signaalkarakteristieken, zoals signaalsterkte. De klasse van op functies gebaseerde lokalisatie kan worden onderverdeeld in verschillende subklassen. Fingerprints en afstanden zijn twee van de belangrijkste technieken in de op zichzelf staande klasse. In dit onderzoek zullen we nieuwe en bestaande algoritmen onderzoeken om de nauwkeurigheid en betrouwbaarheid van kenmerkgebaseerde lokalisatie-technieken in LPWAN te verbeteren. Er zal ook een vergelijkende studie worden gemaakt tussen de nauwkeurigheid en betrouwbaarheid van LPWAN-technologieën (Sigfox, LoRaWAN en NB-IoT).

Trefwoorden:INTERNET OF THINGS, NETWERKEN

Disciplines:Draadloze communicatie