SINGLE ANCHOR NODE POSITIONING METHOD USING ANTENNA ARRAY AND MACHINE LEARNING

Батырбек Жоламанов, Madiyar Nurgaliyev, Askhat Bolatbek, Kymbat Kopbay, D. Kozhabek

2025

Полный текст Открытый доступ: Hybrid Метаданные (CSL-JSON)
DOI 10.58805/kazutb.v.2.27-710
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

Positioning is a fundamental process in wireless sensor networks (WSNs) and Internet of Things (IoT) systems to accurately track the location of nodes. This study presents a cost-effective and scalable single-anchor node positioning system integrating ZigBee technology, directional antennas, and machine learning (ML). The system utilizes a custom-designed directional antenna array and the XGBoost algorithm to process Received Signal Strength Indicator (RSSI) data, achieving precise localization with minimal hardware requirements. Experimental results confirm the superiority of the antenna array, demonstrating a maximum gain of 10 dBi and enhanced signal reception compared to monopole and single-patch antennas. The XGBoost model achieved high accuracy, with R² values of 97.76% on training and 90.95% on test data.