Theses

@mastersthesis{amslaurea15422,
title = {Step-App: Progettazione e implementazione di un sistema di localizzazione indoor basato su sensor fusion},
author = {Stefano Traini},
url = {https://amslaurea.unibo.it/id/eprint/15422},
year = {2018},
date = {2018-01-01},
abstract = {Grazie al rapido avanzamento delle nuove tecnologie si è posta sempre più attenzione sui servizi di localizzazione. Tuttavia, data la natura fisica dei segnali emessi, i sistemi di geolocalizzazione tradizionali non riescono ad attraversare ostacoli come le mura degli edifici. StepApp è un sistema di localizzazione indoor, scalabile e a basso costo, che fonde la tecnica WiFi-Fingerprinting (basata sugli RSS provenienti dagli Access Point) e Pedestrian Dead Reckoning (basata sui sensori inerziali dello smartphone) al fine di migliorare l'accuratezza del posizionamento all'interno degli edifici. Lo scopo di StepApp è anche quello di fornire al suo interno tre differenti algoritmi di localizzazione tramite WiFi e quattro differenti modalità di localizzazione tramite sensori e in ultimo di inglobare cinque algoritmi di fusione delle due tecniche. Il sistema è stato testato in due differenti ambienti indoor con diverse caratteristiche e dall'analisi dei dati si sono registrati ottimi risultati in termini di accuratezza, raggiungendo una precisione media nella localizzazione superiore al 90% per quasi tutti gli algoritmi di fusione.},
keywords = {android, INDOOR, indoor localization, localizzazione, localizzazione indoor, Pedestrian Dead Reckoning, sensor fusion, sensori, sistema, WiFi, WiFi-Fingerprinting},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea13050,
title = {Studio di sistemi di posizionamento inerziale tramite sensori su smartphone},
author = {Marco Rondelli},
url = {https://amslaurea.unibo.it/id/eprint/13050},
year = {2017},
date = {2017-01-01},
abstract = {Il documento è uno studio sui sistemi di posizionamento tramite l'utilizzo dei sensori degli smartphone androida. Inizialmente è presente un'analisi della situazione attuale dei sistemi di posizionamento con il richiamo a sistemi più conosciuti. All'interno è proposto un sistema basato sull'accelerometro che calcola lo spostamento sfruttando un'algoritmo di step-detection e un algoritmo basato sulle formule di fisica. Nel documento è stata descritta l'implementazione dell'applicazione e di tutto il background che ha contribuito alla creazione del sistema.},
keywords = {accelerometro, accelerometro lineare, algoritmo, android, App, applicazione, dead reckoning, dead-reckoning, flask, html, indoor localization, javascript, localization, localizzazione, posizionamento, python, sensori, Smartphone, web service},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea13276,
title = {Un algoritmo di geolocalizzazione indoor basato su magnetismo},
author = {Manuel Benedetti},
url = {https://amslaurea.unibo.it/id/eprint/13276},
year = {2017},
date = {2017-01-01},
abstract = {Negli ultimi anni, il problema della localizzazione indoor tramite dispositivi mobili è stato oggetto di numerose ricerche volte a sperimentare l'impiego di tecnologie diverse e a identificare vantaggi e svantaggi di ciascuna di esse. Nell'ambito di questa tesi, si approfondisce una tecnica di fingerprinting basata su magnetismo che presenta l'importante vantaggio di non necessitare di alcuna infrastruttura di supporto. Viene sviluppata un'applicazione Android che implementa una tecnica di pattern matching frutto di contributi originali, applicando al caso del magnetismo alcune soluzioni software elaborate nel corso di studi precedenti sulla localizzazione indoor relativi a tecnologie differenti. Particolare attenzione è rivolta all'analisi dei risultati ottenuti dal testing del sistema su diversi scenari indoor e al confronto con sistemi esistenti che fanno uso di una simile tecnologia. Vengono discussi possibili sviluppi con l'intento di sfruttare appieno gli aspetti positivi individuati nel corso di questo studio.},
keywords = {android, fingerprinting, fuzzy pattern, geolocalizzazione, geomagnetismo, geopositioning, hidden markov model, indoor localization, IndoorAtlas, pattern matching, RTLS, sensor fusion},
pubstate = {published},
tppubtype = {mastersthesis}
}