Ajankohtaista

Väitös: 13.12.2017 MSc Riaz Uddin Mondal (Informaatioteknologian tiedekunta, tietotekniikka)

Alkamisaika: keskiviikko 13. joulukuuta 2017, 12.00

Päättymisaika: keskiviikko 13. joulukuuta 2017, 15.00

Paikka: Mattilanniemi, Agora Gamma

MSc Riaz Uddin Mondalin tietotekniikan väitöskirjan "Radio Frequency Fingerprinting for Outdoor User Equipment Localization" tarkastustilaisuus. Vastaväittäjänä professori Mohammed Elmusrati (Vaasan yliopisto) ja kustoksena professori Tapani Ristaniemi (Jyväskylän yliopisto). Väitöstilaisuus on englanniksi.

RiazUddinMondalnetti.jpg
Riaz Uddin Mondal
MSc Riaz Uddin Mondalin tietotekniikan väitöskirjan "Radio Frequency Fingerprinting for Outdoor User Equipment Localization" tarkastustilaisuus. Vastaväittäjänä professori Mohammed Elmusrati (Vaasan yliopisto) ja kustoksena professori Tapani Ristaniemi (Jyväskylän yliopisto). Väitöstilaisuus on englanniksi.

 

Tutkimuksen päätavoitteena oli kehittää viitekehys radiotaajuussormenjälkeen pohjautuvaan paikannukseen (Radio Frequency Fingerprint Positioning, lyh. RFFP) ulkotiloissa käytettäville laitteille. Lisäksi tavoitteena oli tehostaa käyttäjien paikannusta.

- LTE- ja WLAN-signaaleja ja tekoälyä hyödyntävä radiotaajuuspaikannus tarjoaa paikannukselle hyvän tarkkuuden. Lisäksi menetelmä lyhentää opetusvaiheen datankäsittelyn laskenta-aikaa verrattuna perinteisiin paikannusmetodeihin, Mondal kertoo.

Tutkimustulokset voivat hyödyttää paikannuspalveluja: mobiilioperaattorit voivat käyttää klusterointiin perustuvia menetelmiä käyttäjäpaikannuksen tehostamiseen, mikä auttaa heitä paikantamaan hätätilanteessa olevia paremmin. Lisäksi menetelmät voivat auttaa operaattoreita verkkojen huoltotoimenpiteissä, kuten matkapuhelinverkon tukiasemien automaattisessa itsekorjautuvuudessa.    

Radiotaajuuspaikannus voi olla hyödyllinen menetelmä käyttäjien paikannukseen ulkotiloissa sellaisilla kaupunkialueilla, joilla GNSS-signaali (Global Navigation Satellite System) on heikko.

Lisätietoja:

Riaz Uddin Mondal, +358458453405, riaz.u.mondal@student.jyu.fi

Viestintäpäällikkö Liisa Harjula, 040 8054403, viestinta@jyu.fi

Teos on julkaistu Jyväskylä Studies in Computing -sarjassa numerolla 271, 68 s. (+ artikkelit), Jyväskylä 2017, ISSN: 1456-5390, ISBN: 978-951-39-7284-4 (nid.), ISBN: 978-951-39-7285-1 (PDF).

Riaz Uddin Mondal on suorittanut kandidaatin opintonsa sovelletun fysiikan ja elektroniikan oppiaineessa Department of Applied Physics & Electronics, University of Rajshahi, Rajshahi, Bangladeshissa vuosina 1995–1999. Maisterinopintonsa hän suoritti teknillisen fysiikan ja elektroniikan oppiaineessa vuosina 1999–2000. Mondal työskenteli vuosina 2004–2007 University of Rajshahissa, Bangladeshissa lehtorina Department of Information & Communication Engineeringilla. Vuosina 2007–2010 hän työskenteli samalla laitoksella apulaisprofessorina. Vuoden 2010 syyskuusta lähtien hän on suorittanut tohtoriopintoja Jyväskylän yliopiston tietotekniikan laitoksella.

Abstract

The recent advancements in cellular mobile technology and smart phone usage have opened opportunities for researchers and commercial companies to develop ubiquitous low cost localization systems. Radio frequency (RF) fingerprinting is a popular positioning technique which uses radio signal strength (RSS) values from already existing infrastructures to provide satisfactory user positioning accuracy in indoor and densely built outdoor urban areas where Global Navigation Satellite System (GNSS) signal is poor and hard to reach. However a major requirement for the RF fingerprinting to maintain good localization accuracy is the collection and updating of large training database. The Minimization of Drive Tests (MDT) functionality proposed by 3GPP LTE Release 10 & 11 has enabled cellular operators to autonomously gather and update necessary amount of RF fingerprint samples by utilizing their subscriber user equipments (UEs). The main objective of this thesis is to propose a framework for RF fingerprint positioning (RFFP) of outdoor UEs using MDT data and to further improve its performance capability to provide better localization. In the first part only LTE base-station (BS) RSS values were used to improve grid-based RF fingerprint positioning (G-RFFP) by using novel approaches: using overlapped grid-cell layouts (GCL), weighting based grid-cell unit selection and Artificial Intelligence based G-RFFP method. In the second part real measurement RSS values from LTE BS and WLAN access points (APs) were utilized and a generic measurement method referred to as GMDT was proposed to correlate WLAN RSS to LTE RSS measurements and its significance to RFFP was studied using a partial fingerprint matching technique. To remove the computational cost associated with training data preprocessing a new cluster-based RF fingerprint positioning (C-RFFP) method was proposed. This thesis provides a good source of information and novel techniques for cellular operators to build a low cost RF fingerprint positioning system which can deliver acceptable results in emergency user localization.

Lisätietoja

MSc Riaz Uddin Mondal
riaz.u.mondal@student.jyu.fi
kuuluu seuraaviin kategorioihin: