| Judul | Intelligent Localization for Integrated Sensing and Communication : Machine Learning-Driven Approaches / Xiaoqiang Zhu , Yuan Liu , Chunpeng Wang |
| Pengarang | Zhu, Xiaoqiang Liu, Yuan Wang, Chunpeng |
| EDISI | 1 |
| Penerbitan | Singapore : Springer, 2025 |
| Deskripsi Fisik | ix, 149 hlm. :ill. ;21 cm. |
| ISBN | 978-981-96-9385-6 |
| Subjek | Wireless communication systems |
| Abstrak | Intelligent Localization for Integrated Sensing and Communication: Machine Learning-Driven Approaches membahas pengembangan teknologi lokalisasi dalam ruangan berbasis kecerdasan komputasional dan komunikasi nirkabel. Buku ini menjelaskan keterbatasan sistem berbasis GPS pada lingkungan tertutup akibat hambatan sinyal, struktur ruang, propagasi multipath, dan interferensi. Fokus utama buku adalah penggunaan Channel State Information (CSI) dan algoritma machine learning untuk menghasilkan sistem lokalisasi yang lebih efisien, adaptif, dan akurat. Buku menguraikan tiga tantangan utama, yaitu pengumpulan CSI secara efisien, pembaruan CSI secara cerdas, dan penerapan lokalisasi dengan tingkat akurasi tinggi. Pembahasan mencakup konsep dasar lokalisasi dalam ruangan, perbandingan teknologi lokalisasi, arsitektur sistem cerdas, metode pembelajaran mesin, teknik pengumpulan data, pembaruan data adaptif, serta aplikasi lokalisasi berbasis data komunikasi. Buku ini ditujukan bagi peneliti, insinyur, mahasiswa, dan praktisi yang mengembangkan sistem lokalisasi cerdas berbasis IoT dan jaringan komunikasi generasi mendatang. ANOTASI Buku Intelligent Localization for Integrated Sensing and Communication: Machine Learning-Driven Approaches merupakan karya ilmiah yang membahas perkembangan teknologi lokalisasi dalam ruangan dengan menggabungkan komunikasi nirkabel, penginderaan terintegrasi, dan pembelajaran mesin. Buku ini muncul dari kebutuhan terhadap sistem lokalisasi yang mampu bekerja pada lingkungan kompleks ketika teknologi GPS tidak dapat memberikan hasil optimal. Bagian awal buku menjelaskan perbedaan antara lokalisasi luar ruangan dan dalam ruangan. Sistem luar ruangan umumnya memanfaatkan GPS dengan dukungan sinyal satelit, sedangkan lingkungan dalam ruangan menghadapi berbagai gangguan seperti dinding, hambatan fisik, propagasi multipath, pelemahan sinyal, dan perubahan kondisi lingkungan. Oleh karena itu, sistem lokalisasi dalam ruangan memerlukan pendekatan yang lebih adaptif. Buku memperkenalkan konsep intelligent indoor localization sebagai pendekatan yang menggunakan algoritma cerdas untuk meningkatkan akurasi dan kemampuan adaptasi. Sistem ini dibangun melalui empat lapisan utama, yaitu lapisan terminal, lapisan perangkat IoT, lapisan komponen cloud IoT, dan lapisan strategi lokasi. Setiap lapisan memiliki fungsi mulai dari pengumpulan data, pemrosesan, pelatihan model, hingga pengambilan keputusan lokasi. Salah satu fokus utama buku adalah pemanfaatan Channel State Information (CSI). Berbeda dengan indikator kekuatan sinyal seperti RSSI, CSI menyediakan informasi lebih rinci mengenai karakteristik kanal komunikasi, termasuk amplitudo, fase, dan waktu tunda subcarrier. Informasi tersebut memungkinkan sistem memperoleh pola sinyal unik yang dapat digunakan sebagai sidik jari lokasi (location fingerprint). Buku juga membahas berbagai teknologi lokalisasi seperti RSSI, Bluetooth Low Energy (BLE), Ultra-Wideband (UWB), medan magnet, RFID, Visible Light Communication (VLC), dan ultrasonik. Setiap teknologi dianalisis berdasarkan prinsip kerja, kelebihan, keterbatasan, dan penggunaannya. Dalam pembahasan tersebut, CSI diposisikan sebagai pendekatan yang memiliki keunggulan karena dapat memanfaatkan infrastruktur Wi-Fi yang sudah tersedia dan mampu menghadapi kondisi lingkungan yang dinamis. Pendekatan machine learning menjadi komponen penting dalam sistem yang dikembangkan. Algoritma pembelajaran mesin digunakan untuk melakukan pemodelan data, mengurangi dampak gangguan sinyal, memperbarui informasi lingkungan, serta meningkatkan ketepatan estimasi lokasi. Buku menjelaskan bahwa sistem lokalisasi modern membutuhkan kemampuan pembelajaran mandiri agar dapat mempertahankan performa ketika terjadi perubahan lingkungan. Secara keseluruhan, buku ini memberikan gambaran metodologis mengenai bagaimana teknologi komunikasi dan kecerdasan buatan dapat digunakan untuk membangun sistem lokalisasi yang lebih presisi. Buku ini bernilai bagi bidang komunikasi nirkabel, IoT, jaringan generasi mendatang, sistem cerdas, dan penelitian lokalisasi berbasis data. |
| Catatan | Intelligent Localization for Integrated Sensing and Communication: Machine Learning-Driven Approaches membahas transformasi teknologi lokalisasi dari metode tradisional menuju sistem cerdas yang memanfaatkan komunikasi nirkabel dan pembelajaran mesin. Permasalahan utama yang menjadi dasar buku ini adalah keterbatasan teknologi GPS ketika digunakan dalam ruangan. Lingkungan tertutup menyebabkan sinyal mengalami gangguan akibat struktur bangunan, perubahan tata ruang, pergerakan manusia, dan interferensi. Kondisi tersebut menyebabkan kebutuhan terhadap teknologi lokalisasi alternatif yang mampu memberikan akurasi tinggi serta beradaptasi terhadap perubahan lingkungan. Buku ini memperkenalkan konsep lokalisasi dalam ruangan cerdas sebagai solusi yang menggabungkan teknologi IoT, komunikasi nirkabel, dan algoritma kecerdasan buatan. Sistem yang dibahas tidak hanya berfungsi menentukan posisi suatu perangkat, tetapi juga mampu melakukan pengumpulan data, memperbarui informasi lingkungan, dan menghasilkan kep |
| Bentuk Karya | Tidak ada kode yang sesuai |
| Target Pembaca | Tidak ada kode yang sesuai |
| Lokasi Akses Online |
https://link.springer.com/book/10.1007/978-981-96-9385-6 https://doi.org/10.1007/978-981-96-9385-6 |
| No Barcode | No. Panggil | Akses | Lokasi | Ketersediaan |
|---|---|---|---|---|
| 319126192 | 621.384 8 Zhu i | Baca Online | Perpustakaan Pusat - Online Resources Ebook |
Tersedia |
| Tag | Ind1 | Ind2 | Isi |
| 001 | INLIS000000000170157 | ||
| 005 | 20260908090649 | ||
| 007 | ta | ||
| 008 | 260908################|##########|#|## | ||
| 020 | # | # | $a 978-981-96-9385-6 |
| 035 | # | # | $a 0010-0926000451 |
| 082 | # | # | $a 621.384 8 |
| 084 | # | # | $a 621.384 8 Zhu i |
| 100 | 0 | # | $a Zhu, Xiaoqiang |
| 245 | 1 | # | $a Intelligent Localization for Integrated Sensing and Communication : $b Machine Learning-Driven Approaches /$c Xiaoqiang Zhu , Yuan Liu , Chunpeng Wang |
| 250 | # | # | $a 1 |
| 260 | # | # | $a Singapore :$b Springer,$c 2025 |
| 300 | # | # | $a ix, 149 hlm. : $b ill. ; $c 21 cm. |
| 500 | # | # | $a Intelligent Localization for Integrated Sensing and Communication: Machine Learning-Driven Approaches membahas transformasi teknologi lokalisasi dari metode tradisional menuju sistem cerdas yang memanfaatkan komunikasi nirkabel dan pembelajaran mesin. Permasalahan utama yang menjadi dasar buku ini adalah keterbatasan teknologi GPS ketika digunakan dalam ruangan. Lingkungan tertutup menyebabkan sinyal mengalami gangguan akibat struktur bangunan, perubahan tata ruang, pergerakan manusia, dan interferensi. Kondisi tersebut menyebabkan kebutuhan terhadap teknologi lokalisasi alternatif yang mampu memberikan akurasi tinggi serta beradaptasi terhadap perubahan lingkungan. Buku ini memperkenalkan konsep lokalisasi dalam ruangan cerdas sebagai solusi yang menggabungkan teknologi IoT, komunikasi nirkabel, dan algoritma kecerdasan buatan. Sistem yang dibahas tidak hanya berfungsi menentukan posisi suatu perangkat, tetapi juga mampu melakukan pengumpulan data, memperbarui informasi lingkungan, dan menghasilkan keputusan lokasi secara adaptif. Pembahasan utama buku dibagi menjadi beberapa bagian. Bagian pertama menjelaskan dasar teknologi lokalisasi cerdas, perbedaan antara sistem luar ruangan dan dalam ruangan, serta tantangan teknis yang harus diatasi. Buku menekankan tiga aspek penting dalam pengembangan sistem lokalisasi, yaitu collection, update, dan application. Pengumpulan berkaitan dengan memperoleh data sinyal berkualitas tinggi, pembaruan berkaitan dengan kemampuan sistem menyesuaikan diri terhadap perubahan lingkungan, sedangkan aplikasi berkaitan dengan penggunaan data untuk menghasilkan posisi yang akurat. Bagian berikutnya membahas peran Channel State Information (CSI) dalam komunikasi nirkabel. CSI menjadi elemen penting karena mampu memberikan informasi detail mengenai kondisi kanal komunikasi. Informasi tersebut memungkinkan pembentukan basis data sidik jari lokasi yang lebih akurat dibandingkan pendekatan berbasis kekuatan sinyal sederhana. Buku juga menguraikan penggunaan berbagai algoritma pembelajaran mesin dalam sistem lokalisasi. Pendekatan seperti klasifikasi, regresi, reduksi dimensi, dan metode optimasi digunakan untuk meningkatkan kualitas prediksi posisi. Selain itu, buku membahas penggunaan teknik seperti Broad Learning System (BLS), k-Nearest Neighbors (KNN), Bayesian probability, Principal Component Analysis (PCA), serta metode penyaringan data untuk meningkatkan keandalan sistem. Pada bagian lanjutan, buku menjelaskan strategi pengumpulan data offline yang lebih efisien, pembaruan data secara adaptif, dan penerapan sistem lokalisasi secara real-time. Pendekatan seperti reinforcement learning dan transfer learning digunakan untuk membantu sistem menyesuaikan diri terhadap perubahan lingkungan tanpa memerlukan proses pelatihan ulang yang besar. Buku ini juga memperhatikan aspek keamanan dan perlindungan data melalui penggunaan mekanisme seperti teori chaos dan algoritma enkripsi. Dengan demikian, sistem lokalisasi tidak hanya dituntut akurat, tetapi juga aman dalam penggunaannya. Secara keseluruhan, buku ini menggambarkan masa depan sistem lokalisasi cerdas yang menjadi bagian penting dari IoT, rumah pintar, navigasi dalam ruangan, pemantauan kesehatan, kendaraan otonom, dan jaringan komunikasi generasi berikutnya. Buku ini memberikan referensi teoritis dan praktis bagi akademisi maupun profesional yang ingin memahami penerapan machine learning-driven localization dalam sistem komunikasi terintegrasi. |
| 520 | # | # | $a Intelligent Localization for Integrated Sensing and Communication: Machine Learning-Driven Approaches membahas pengembangan teknologi lokalisasi dalam ruangan berbasis kecerdasan komputasional dan komunikasi nirkabel. Buku ini menjelaskan keterbatasan sistem berbasis GPS pada lingkungan tertutup akibat hambatan sinyal, struktur ruang, propagasi multipath, dan interferensi. Fokus utama buku adalah penggunaan Channel State Information (CSI) dan algoritma machine learning untuk menghasilkan sistem lokalisasi yang lebih efisien, adaptif, dan akurat. Buku menguraikan tiga tantangan utama, yaitu pengumpulan CSI secara efisien, pembaruan CSI secara cerdas, dan penerapan lokalisasi dengan tingkat akurasi tinggi. Pembahasan mencakup konsep dasar lokalisasi dalam ruangan, perbandingan teknologi lokalisasi, arsitektur sistem cerdas, metode pembelajaran mesin, teknik pengumpulan data, pembaruan data adaptif, serta aplikasi lokalisasi berbasis data komunikasi. Buku ini ditujukan bagi peneliti, insinyur, mahasiswa, dan praktisi yang mengembangkan sistem lokalisasi cerdas berbasis IoT dan jaringan komunikasi generasi mendatang. ANOTASI Buku Intelligent Localization for Integrated Sensing and Communication: Machine Learning-Driven Approaches merupakan karya ilmiah yang membahas perkembangan teknologi lokalisasi dalam ruangan dengan menggabungkan komunikasi nirkabel, penginderaan terintegrasi, dan pembelajaran mesin. Buku ini muncul dari kebutuhan terhadap sistem lokalisasi yang mampu bekerja pada lingkungan kompleks ketika teknologi GPS tidak dapat memberikan hasil optimal. Bagian awal buku menjelaskan perbedaan antara lokalisasi luar ruangan dan dalam ruangan. Sistem luar ruangan umumnya memanfaatkan GPS dengan dukungan sinyal satelit, sedangkan lingkungan dalam ruangan menghadapi berbagai gangguan seperti dinding, hambatan fisik, propagasi multipath, pelemahan sinyal, dan perubahan kondisi lingkungan. Oleh karena itu, sistem lokalisasi dalam ruangan memerlukan pendekatan yang lebih adaptif. Buku memperkenalkan konsep intelligent indoor localization sebagai pendekatan yang menggunakan algoritma cerdas untuk meningkatkan akurasi dan kemampuan adaptasi. Sistem ini dibangun melalui empat lapisan utama, yaitu lapisan terminal, lapisan perangkat IoT, lapisan komponen cloud IoT, dan lapisan strategi lokasi. Setiap lapisan memiliki fungsi mulai dari pengumpulan data, pemrosesan, pelatihan model, hingga pengambilan keputusan lokasi. Salah satu fokus utama buku adalah pemanfaatan Channel State Information (CSI). Berbeda dengan indikator kekuatan sinyal seperti RSSI, CSI menyediakan informasi lebih rinci mengenai karakteristik kanal komunikasi, termasuk amplitudo, fase, dan waktu tunda subcarrier. Informasi tersebut memungkinkan sistem memperoleh pola sinyal unik yang dapat digunakan sebagai sidik jari lokasi (location fingerprint). Buku juga membahas berbagai teknologi lokalisasi seperti RSSI, Bluetooth Low Energy (BLE), Ultra-Wideband (UWB), medan magnet, RFID, Visible Light Communication (VLC), dan ultrasonik. Setiap teknologi dianalisis berdasarkan prinsip kerja, kelebihan, keterbatasan, dan penggunaannya. Dalam pembahasan tersebut, CSI diposisikan sebagai pendekatan yang memiliki keunggulan karena dapat memanfaatkan infrastruktur Wi-Fi yang sudah tersedia dan mampu menghadapi kondisi lingkungan yang dinamis. Pendekatan machine learning menjadi komponen penting dalam sistem yang dikembangkan. Algoritma pembelajaran mesin digunakan untuk melakukan pemodelan data, mengurangi dampak gangguan sinyal, memperbarui informasi lingkungan, serta meningkatkan ketepatan estimasi lokasi. Buku menjelaskan bahwa sistem lokalisasi modern membutuhkan kemampuan pembelajaran mandiri agar dapat mempertahankan performa ketika terjadi perubahan lingkungan. Secara keseluruhan, buku ini memberikan gambaran metodologis mengenai bagaimana teknologi komunikasi dan kecerdasan buatan dapat digunakan untuk membangun sistem lokalisasi yang lebih presisi. Buku ini bernilai bagi bidang komunikasi nirkabel, IoT, jaringan generasi mendatang, sistem cerdas, dan penelitian lokalisasi berbasis data. |
| 650 | # | # | $a Wireless communication systems |
| 700 | 0 | # | $a Liu, Yuan |
| 700 | 0 | # | $a Wang, Chunpeng |
| 856 | # | # | $a https://doi.org/10.1007/978-981-96-9385-6 |
| 856 | # | # | $a https://link.springer.com/book/10.1007/978-981-96-9385-6 |
| 990 | # | # | $a 319126192 |
Content Unduh katalog
Karya Terkait :