Machine Learning-Aided Classification of LoS/NLoS Radio Links in Industrial IoT

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: id:"swepub:oai:DiVA.org:miun-39031" > Machine Learning-Ai...

1 av 1
Föregående post
Nästa post
Till träfflistan

Bombino, AndreaMittuniversitetet,Institutionen för informationssystem och –teknologi (författare)

Machine Learning-Aided Classification of LoS/NLoS Radio Links in Industrial IoT

Artikel/kapitelEngelska2020

Förlag, utgivningsår, omfång ...

IEEE,2020
printrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:miun-39031
https://urn.kb.se/resolve?urn=urn:nbn:se:miun:diva-39031URI
https://doi.org/10.1109/WFCS47810.2020.9114409DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:kon swepub-publicationtype

Anmärkningar

Wireless sensors and actuators networks are an essential element to realize industrial IoT (IIoT) systems, yet their diffusion is hampered by the complexity of ensuring reliable communication in industrial environments.A significant problem with that respect is the unpredictable fluctuation of a radio-link between the line-of-sight (LoS) and the non-line-of-sight (NLoS) state due to time-varying environments.The impact of link-state over reception performance, suggests that link-state variations should be monitored at run-time, enabling dynamic adaptation of the transmission scheme on a link-basis to safeguard QoS.Starting from the assumption that accurate channel-sounding is unsuitable for low-complexity IIoT devices, we investigate the feasibility of channel-state identification for platforms with limited sensing capabilities. In this context, we evaluate the performance of different supervised-learning algorithms with variable complexity for the inference of the radio-link state.Our approach provides fast link-diagnostics by performing online classification based on a single received packet. Furthermore, the method takes into account the effects of limited sampling frequency, bit-depth, and moving average filtering, which are typical to hardware-constrained platforms.The results of an experimental campaign in both industrial and office environments show promising classification accuracy of LoS/NLoS radio links. Additional tests indicate that the proposed method retains good performance even with low-resolution RSSI-samples available in low-cost WSN nodes, which facilitates its adoption in real IIoT networks.

Ämnesord och genrebeteckningar

Biuppslag (personer, institutioner, konferenser, titlar ...)

Grimaldi, Simone,1985-Mittuniversitetet,Institutionen för informationssystem och –teknologi(Swepub:miun)simgri (författare)
Mahmood, Aamir,1980-Mittuniversitetet,Institutionen för informationssystem och –teknologi(Swepub:miun)aammah (författare)
Gidlund, Mikael,1972-Mittuniversitetet,Institutionen för informationssystem och –teknologi(Swepub:miun)mikgid (författare)
MittuniversitetetInstitutionen för informationssystem och –teknologi (creator_code:org_t)

Sammanhörande titlar

Ingår i:2020 16th IEEE International Conference on Factory Communication Systems (WFCS): IEEE9781728152974

Internetlänk

Hitta via bibliotek

2020 16th IEEE International Conference on Factory Communication Systems (WFCS) (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Bombino, Andrea; Grimaldi, Simone ...; Mahmood, Aamir, ...; Gidlund, Mikael, ...

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Kommunikationssy ...

Artiklar i publikationen: 2020 16th IEEE I ...

Av lärosätet: Mittuniversitetet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se