Localisation basée sur l'information de l'état des canaux (CSI) dans un environnement minier souterrain

Téléchargements

Téléchargements par mois depuis la dernière année

Khalaf, Ali (2024). Localisation basée sur l'information de l'état des canaux (CSI) dans un environnement minier souterrain. (Mémoire de maîtrise). Université du Québec en Abitibi-Témiscamingue. Depositum. https://depositum.uqat.ca/id/eprint/1577

[thumbnail of Ali-Khalaf-memoire-2024.pdf]
Prévisualisation
PDF
Télécharger (3MB) | Prévisualisation

Résumé

RÉSUMÉ
Dans le cadre de notre recherche approfondie au sein des industries minières canadiennes, notre objectif est de renforcer les réseaux de communication souterrains à l'aide de solutions sans fil innovantes, essentielles pour améliorer la productivité et garantir une coordination efficace entre les équipes. Notre étude s'est concentrée sur la précision de localisation des dispositifs mobiles dans les environnements souterrains, grâce à une analyse détaillée de l’état de canal sans fils (CSI).

Notre méthodologie s'est développée en deux phases distinctes de collecte de données CSI. La première a impliqué l'utilisation de cartes NIC5300, puis l'adoption de modules ESP32 pour une collecte plus approfondie. Cette approche a permis de couvrir exhaustivement un espace intérieur.
Un volet crucial de notre recherche réside dans l'ajustement minutieux des paramètres de canal, visant à optimiser la performance des réseaux de neurones artificiels (ANN) pour la localisation précise des dispositifs mobiles en milieu souterrain.

Nous avons évalué rigoureusement différentes configurations de perceptrons multicouches (MLP) et avons utilisé des outils avancés tels que Tensor Flow et Scikit-learn pour déterminer la configuration offrant la meilleure précision de localisation.

ABSTRACT
In the context of our comprehensive research within the Canadian mining industries, our goal has been to enhance underground communication networks through innovative wireless solutions, crucial for improving productivity and ensuring effective coordination among teams. Our study focused on the accuracy of mobile device localization in subterranean environments, leveraging a detailed analysis of Channel State Information (CSI).

Our methodology unfolded in two distinct phases of CSI data collection. Initially, it involved the use of NIC5300 cards, followed by the adoption of ESP32 modules for more in-depth collection. This strategy enabled us to thoroughly cover an indoor space.

A critical aspect of our research was the meticulous adjustment of channel parameters to boost the performance of artificial neural networks (ANN) in precisely locating mobile devices underground. We rigorously evaluated various configurations of multilayer perceptrons (MLP) and employed advanced tools such as TensorFlow and Scikit-learn to ascertain which configuration yielded the highest localization accuracy.

Type de document: Thèse ou mémoires (Mémoire de maîtrise)
Directeur ou directrice de recherche: Kandil, Nahi
Codirecteurs de mémoire/thèse: Hakem, Nadir
Mots-clés libres: Localisation; information de l’état des canaux (CSI); environnement minier souterrain; Réseaux de neurones artificiels; Amplitude, Phase; RSSI; MAE; RMSE; Scikit-learn; Tensor Flow; bibliotheque d'apprentissage automatique
Divisions: Génie > Maîtrise en génie des télécommunications
Date de dépôt: 04 sept. 2024 18:54
Dernière modification: 12 avr. 2025 18:02
URI: https://depositum.uqat.ca/id/eprint/1577

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt