Resumen

Las balizas Bluetooth Low Energy (BLE) 4.0 desempeñarán un papel fundamental en el despliegue de mecanismos de localización en interiores energéticamente eficientes. Dado que BLE4.0 es muy sensible a los desvanecimientos rápidos, numerosos estudios están explorando actualmente el uso de algoritmos de aprendizaje supervisado como enfoque alternativo para explotar la información proporcionada por los mapas de radio en interiores. A pesar del gran número de resultados publicados en la literatura, aún quedan muchas cuestiones pendientes sobre la evaluación del rendimiento de este enfoque. En este artículo, comenzamos identificando, en una configuración sencilla, los principales parámetros del sistema que deben tenerse en cuenta en el diseño de mecanismos de localización en interiores basados en balizas BLE4.0. Con el fin de arrojar algo de luz sobre el proceso de evaluación mediante el algoritmo de aprendizaje supervisado, llevamos a cabo una evaluación experimental en profundidad en términos de error medio de localización, precisión de predicción local y precisión de predicción global. Basándonos en nuestros resultados, sostenemos que, para evaluar plenamente las capacidades de los algoritmos de aprendizaje supervisado, es necesario incluir las tres métricas.

• Materias:Biotecnología Redes de sensores Sistema de sensores Diagnóstico de fallas Tecnología de sensores Diagnóstico de fallos
• Subjects:Biotechnology Sensor networks Sensor system Fault diagnosis Sensor technology
• Palabras claves:mecanismos eficaces de localización en interiores, bluetooth de baja energía, precisión de la predicción global, mecanismos de localización en interiores, mapas radioeléctricos de interiores, precisión de la predicción local, principales parámetros del sistema, numerosas cuestiones pendientes, error medio de localización, numerosos estudios en curso
• Keywords:efficient indoor localization mechanisms, bluetooth low energy, global prediction accuracy, indoor localization mechanisms, indoor radio maps, local prediction accuracy, main system parameters, many open issues, mean localization error, numerous ongoing studies