Detecção de presença de objetos utilizando sensoriamento Wi-Fi com Channel State Information

metadataTrad.dc.contributor.author	Stein, Felipe Vinícius;
metadataTrad.dc.contributor.advisor	Keller, Armando Leopoldo;
metadataTrad.dc.contributor.advisorLattes	http://lattes.cnpq.br/8506076535904132;
metadataTrad.dc.publisher	Universidade do Vale do Rio dos Sinos;
metadataTrad.dc.title	Detecção de presença de objetos utilizando sensoriamento Wi-Fi com Channel State Information;
metadataTrad.dc.description.resumo	O presente trabalho aborda a temática do sensoriamento Wi-Fi através do processamento do sinal Channel State Information (CSI), ao analisar os trabalhos mais significativos entre os poucos publicados nesta linha de estudo e propor uma aplicação de detecção de presença de diversos tipos de corpos, sejam orgânicos ou metálicos, de tamanhos e massas variados em um ambiente fechado. São utilizados dois microcontroladores ESP32 como transceptores e os algoritmos de aprendizado k-Nearest Neighbors (kNN), Random Forrest, Multi Layer Perceptron (MLP) e Support Vector Classifier (SVC) como ferramentas de processamento de dados e predição. Neste trabalho é possível verificar que é possível a detecção de objetos - tanto orgânicos como metálicos - em ambientes fechados através do sensoriamento Wi-Fi com sinal CSI. Outrossim, é exposto o impacto de variáveis climáticas neste tipo de aplicação bem como as limitações das técnicas de fingerprinting quanto à estas variações e também às mudanças de ambiente. A pesquisa tem como premissa realizar um experimento cuja reprodução seja factível para outros pesquisadores, por este motivo utilizou-se de equipamentos e ferramentas de software de baixo custo e fácil acesso. Além disso, são disponibilizados todos os parâmetros, tanto da montagem física do setup de teste como da etapa de processamento, a fim de que o experimento seja facilmente replicado.;
metadataTrad.dc.subject	Channel State Information; Sensoriamento Wi-Fi; Fingerprinting; Algoritmo de aprendizado; ESP32;
metadataTrad.dc.type	TCC;
metadataTrad.dc.date.issued	2023-06-22;
metadataTrad.dc.identifier.uri	http://repositorio.jesuita.org.br/handle/UNISINOS/13030;
metadataTrad.dc.audience.educationLevel	Graduação;
metadataTrad.dc.curso	Engenharia Elétrica;