Estudio de algoritmos de aprendizaje automático para el cálculo del LoRaWAN fingerprinting para posicionamiento en exteriores

Abstract

El objetivo de este Trabajo Fin de Máster (TFM) es explorar la posibilidad de predecir la posición en exteriores a partir de las señales enviadas a dispositivos LoRaWAN utilizando técnicas de aprendizaje automático similares a las utilizadas para predecir la posición en interiores a partir de las señales WiFi. Se han utilizado diferentes algoritmos de aprendizaje automático para evaluar su capacidad para predecir la posición a partir de las señales LoRaWAN. Los resultados obtenidos muestran que es posible predecir la posición en exteriores con una precision aceptable utilizando técnicas de aprendizaje automático y las señales LoRaWAN. En conclusión, este TFM demuestra que las técnicas de aprendizaje automático pueden ser aplicadas con éxito para predecir la posición en exteriores a partir de las señales enviadas a dispositivos LoRaWAN. Esta investigación podría tener implicaciones importantes en el desarrollo de sistemas de posicionamiento en exteriores más precisos y eficientes para aplicaciones de IoT.

The objective of this Master's Thesis (TFM) is to explore the possibility of predicting outdoor positions based on signals sent to LoRaWAN devices using machine learning techniques similar to those used to predict indoor positions based on WiFi signals. Different machine learning algorithms have been used to evaluate their ability to predict positions from LoRaWAN signals. The results obtained show that it is possible to predict outdoor positions with an acceptable accuracy using machine learning techniques and LoRaWAN signals. In conclusion, this TFM demonstrates that machine learning techniques can be successfully applied to predict outdoor positions based on signals sent to LoRaWAN devices. This research could have significant implications for the development of more accurate and efficient outdoor positioning systems for IoT applications.

L'objectiu d'aquest Treball Fi de Màster (TFM) és explorar la possibilitat de predir la posició a l'exterior a partir de les senyals enviades a dispositius LoRaWAN utilitzant tècniques d'aprenentatge automàtic similars a les utilitzades per predir la posició a l'interior a partir de les senyals WiFi. S'han utilitzat diferents algoritmes d'aprenentatge automàtic per avaluar la seva capacitat per predir la posició a partir de les senyals LoRaWAN. Els resultats obtinguts mostren que és possible predir la posició a l'exterior amb una precisió acceptable utilitzant tècniques d'aprenentatge automàtic i les senyals LoRaWAN. En conclusió, aquest TFM demostra que les tècniques d'aprenentatge automàtic poden ser aplicades amb èxit per predir la posició a l'exterior a partir de les senyals enviades a dispositius LoRaWAN. Aquesta investigació podria tenir implicacions importants en el desenvolupament de sistemes de posicionament a l'exterior més precisos i eficients per a aplicacions de l'IoT.