Original title: Klasifikace přímého a odraženého signálu pomocí vestavěného systému
Translated title: Classification of Direct and Reflected Signal Using Embedded System
Authors: Chalko, Miroslav ; Strnadel, Josef (referee) ; Šimek, Václav (advisor)
Document type: Bachelor's theses
Year: 2022
Language: slo
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [slo] [eng]
Cieľom tejto práce je navrhnúť a implementovať algoritmus klasifikácie signálov pri lokalizácii objektov použitím technológie Ultra-wideband. Klasifikačná metóda by mala rozpoznať prekážku medzi prijímačom a vysielačom, teda klasifikovať signály na tie s priamou viditeľnosťou (LOS -- Line Of Sight) a bez priamej viditeľnosti (NLOS -- Non Line Of Sight). Tento systém musí byť dostatočne rýchly a jednoduchý, aby detekcia v reálnom čase bola možná priamo vo vstavanom systéme. Pri hľadaní riešenia boli preskúmané viaceré klasifikačné metódy, z ktorých najlepšie výsledky mali rôzne varianty rozhodovacích stromov. Vzhľadom na výkon cieľového zariadenia bola zvolená klasifikačná metóda Random forest ako finálne riešenie. Tento klasifikátor dosahuje úspešnosť až 89% pri vyhodnotení na datasete. Pri reálnom nasadení bol schopný rozpoznať objekt medzi vysielačom a prijímačom. Klasifikácia a výpočet parametrov trvá 6000 inštrukčných cyklov a model zaberá 4kB pamäte. Výsledky tejto práce umožňujú zdokonaliť existujúce riešenia detekcie NLOS signálov, a tým zvýšiť presnosť lokalizácie pri sledovaní polohy objektov vo vnútorných priestoroch. This thesis aims to design and implement an algorithm for classification of signals that are used for tracking objects using ultra-wideband technology. The classification method should be able to detect an obstruction between receiver and transmitter, which means to classify signals as those with line of sight (LOS) and non-line of sight (NLOS). This system must be quick and lightweight enough, so real-time detection can be achieved directly in the embedded system. While searching for the solution, multiple classification methods were examined. The best-performing ones involved numerous variants of decision tree classifiers. Considering the restricted computing power of embedded devices, random forest classifier was chosen as the final solution. This classification method was able to achieve accuracy of up to 89% while evaluating the dataset. When deployed in real-life environment, it was able to detect an object between transmitter and receiver. Classification and calculation of parameters takes 6000 instruction cycles and the algorithm fits into 4kB of memory. Results of this thesis enable improvement of existing solutions for detection of NLOS signals that degrade tracking performance. This will boost the accuracy of localization while tracking objects in indoor environments.
Keywords: classification; DW1000; Signals; UWB

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/207223

Permalink: http://www.nusl.cz/ntk/nusl-504765


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses