@MASTERSTHESIS{ 2021:594220864,
 	title = {Análise de técnicas de Machine Learning aplicadas para geolocalização LoRa},
 	year = {2021},
 	url = "http://tede.upf.br:8080/jspui/handle/tede/2117",
 	abstract = "LoRa é um sistema de comunicação wireless de longo alcance e de baixa potência que suporta geolocalização nativa, por meio da análise dos metadados da rede, sem a neces-sidade de outras tecnologias de geolocalização (e.g. GPS). Uma solução comercial dessa funcionalidade é oferecida pelo serviço proprietário LoRa Cloud Geolocation, baseado em algoritmos convencionais de multilateração, cujo pré-requisito é a recepção das transmis-sões de cada dispositivo por, no mínimo, três gateways simultaneamente. Entretanto, a baixa acurácia é a principal limitação inerente à geolocalização LoRa nativa, que pode va-riar entre 20 m e 2.000 m. O mapeamento sistemático realizado neste trabalho revelou que 40% dos estudos utilizaram algum tipo de técnica de machine learning com o intuito geral de melhorar os níveis de acurácia, das quais as redes neurais artificiais destacam-se pela afinidade com as não linearidades e demais complexidades de propagação do sinal LoRa. Observou-se, porém, uma escassez de estudos que validem a abordagem de redes neurais com dados provenientes de redes LoRaWAN reais. Tendo isso em vista são testa-dos uma série de modelos básicos de redes neurais densas (DNN), baseados no conceito de geolocalização por fingerprinting, valendo-se de metadados provenientes de dispositivos estacionários de uma rede LoRaWAN profissional-privada, que cobre a área urbana de uma cidade de aproximadamente 200 mil habitantes. A implementação é caracterizada por uma série de adversidades típicas para a geolocalização nativa, tais como baixa quantidade de gateways, grande parcela de uplinks com menos de três gateways receptores, e parâme-tro Adaptive Data Rate (ADR) habilitado. Como resultado constata-se que, apesar desse conjunto de adversidades e da arquitetura básica dos modelos de redes neurais utilizados, foi possível estimar as coordenadas geográficas dos dispositivos com uma acurácia média equivalente à do serviço proprietário LoRa Cloud Geolocation, inclusive para dispositivos com menos de três gateways receptores, o que aponta para uma vantagem em relação à multilateração convencional.",
 	publisher = {Universidade de Passo Fundo},
 	scholl = {Programa de Pós-Graduação em Computação Aplicada},
 	note = {Instituto de Ciências Exatas e Geociências – ICEG}
}