Bakalárska práca sa zaoberá návrhom a realizáciou konceptu na rozpoznanie ľudskej činnosti (napr. pohyb, skok) v miestnosti, založenom na anomáliách v LoRa signálu vysielanom v 2,4 GHz ISM pásme. Na naplnenie zadania bakalárskej práce študent využil vývojový kit SK-iM282A, schopný generovať bezdrôtové spojenie typu LoRa v ISM pásme 2,4 GHz.

Bakalárska práca je rozdelená do ôsmich kapitol. Prvá kapitola podáva stručný popis technológie LoRa, predovšetkým so zameraním na jej PHY vrstvu. Vplyvy, napríklad viaccestného šírenia signálu, ktoré môže vyvolať ľudský pohyb v rámci vnútorného priestoru na bezdrôtový spoj, sú stručne rozobrané v druhej kapitole. Tretia kapitola prináša rešerš princípov a možností rozpoznania ľudskej činnosti v miestnosti, vrátane postupov využívajúcich rôzne modely strojového učenia a analyzujúcich anomálie v RF spektre. Stručný popis vývojového kitu SK-iM282A a vytvorenie bezdrôtového LoRa spojenia v ISM pásme 2,4 GHz sú popísané v štvrtej kapitole. Prvé výsledky experimentálnych meraní pre rôzne signálové konfigurácie LoRa sú uvedené a stručne diskutované v piatej kapitole. Popis meracích kampaní, získané výsledky a ich diskusia sú uvedené v šiestej a siedmej kapitole. Závery práce a možné pokračovanie v danej oblasti sú stručne zhrnuté v poslednej, ôsmej kapitole. Všetky zdrojové súbory a datasety sú dostupné v repozitári na GitHube.

Rozsah bakalárskej práce je nadštandardný a presahuje 70 strán. Práca je spracovaná pomocou typografického systému LaTeX, jej formálna a grafická stránka je na nadpriemernej úrovni. V texte práce, ktorý je napísaný v angličtine, sa vyskytuje niekoľko menších gramatických a terminologických preklepov, ktoré kvalitu odvedenej práce výrazne neznižujú. Práca s literatúrou je na veľmi dobrej úrovni.

Pán Baranec pracoval samostatne a s veľkým záujmom o zadanú tému. Možnosti konzultácií využíval len príležitostne. Zadanie bakalárskej práce bolo splnené, odporúčam ju na obhajobu a navrhujem bodové hodnotenie A / 93. Points proposed by supervisor: 93

Bakalářská práce Andreje Barance se zabývá využitím bezdrátové technologie LoRa pro pasivní rozpoznávání lidské činnosti s podporou algoritmů umělé inteligence. Student v úvodu práce shrnuje teoretické poznatky o šíření rádiových vln v interiérech, principy modulace s rozprostřeným spektrem v pásmu 2,4 GHz a analyzuje současný stav v oblasti device-free detekce pohybu. Následně se zaměřuje na možnosti extrakce indikátorů síly signálu RSSI z rádiových modulů a navrhuje metodologii pro klasifikaci specifických lidských aktivit bez nutnosti použití nositelných senzorů či kamerových systémů.

Stěžejním úkolem studenta byla realizace experimentálních měřicích kampaní a následná implementace klasifikačních modelů, které zpracovávají časové řady indikátoru síly přijímaného signálu. Měření probíhala ve třech odlišných prostředích: v prostorách laboratoře, v dílně a v dlouhé chodbě, což umožnilo otestovat robustnost systému při různých podmínkách šíření vln jako je přímá i nepřímá viditelnost. Sběr dat byl realizován pomocí softwarového rozhraní výrobce modulů WiMOD LR Studio při různých hardwarových konfiguracích faktoru rozprostření a šířky pásma. Student vytvořil datovou sadu, kterou podrobil předpracování zahrnující škálování a segmentaci pomocí klouzavého okna. Pro samotnou klasifikaci aktivit (jako je chůze, sezení, stání či prázdná místnost) využil a v rámci optimalizačního algoritmu porovnal celkem 7200 kombinací parametrů pro různé modely, reprezentované metodami Logistic Regression, k-Nearest Neighbors, Support Vector Machines, Random Forest a Multilayer Perceptron.

Výsledky experimentů a úspěšnost klasifikace jsou v práci podrobně popsány a vizualizovány pomocí matic záměn. Dosažená přesnost rozpoznávání v chodbovém prostředí 95 % a v laboratoři 87 % potvrzuje reálnou použitelnost navrženého konceptu. Výsledky většinou odpovídají fyzikálním předpokladům a očekávaným hodnotám. U anomálních výsledků, konkrétně v dílenském prostředí, kde došlo k umístění do skříně k výraznému poklesu úspěšnosti, se student pokouší o rozbor příčin tohoto jevu.

V textu mi chybí hlubší technická diskuse o tom, jak by se systém choval v přechodových fázích (tzv. setup intervalech), které byly z trénovacích dat pro zjednodušení uměle vyjmuty. Rovněž teoretický popis veličin SNR a PER je v práci poněkud redundantní, jelikož v samotných modelech nebyly kvůli své konstantní hodnotě vůbec využity.

Textová část bakalářské práce je napsána v anglickém jazyce na velmi dobré úrovni, je přehledná a logicky členěná. Jednotlivé kapitoly na sebe správně navazují a jsou dostatečně vypracované.

V příloze je uveden odkaz na GitHub repozitář, kde však autor uvedl chybnou URL adresu vykazující chybu 404 (místo nefunkčního odkazu „https://github.com/m0bx/LoRa-HAR-Evaluation“ je správná adresa „https://github.com/m0bx/LoRa-HAR“).

Práci doporučuji k obhajobě a hodnotím stupněm A (92 bodů) a k obhajobě přikládám následující otázky: Topics for thesis defence:

1. 1. V textu uvádíte, že přítomnost člověka v přímé viditelnosti nemusí signál RSSI vždy jen tlumit, ale v jednom specifickém případě došlo k jeho zvýšení. Jaký konkrétní fyzikální jev při šíření vln v interiéru (vzhledem k vlnové délce 12,5 cm) toto konstruktivní sčítání multipath složek způsobil?
2. 2. Všechny klasifikační modely byly v rámci Vašeho algoritmu trénovány a testovány na datech pocházejících ze stejné geometrie rozmístění. Jak by se podle Vašeho názoru změnila úspěšnost (např. u modelu Random Forest), pokud by byl model nasazen v jiné místnosti, nebo při jiné výšce antén, bez nového přetrénování?
3. 3. Z jakého důvodu vykazoval klasifikátor Logistic Regression v dílenském prostředí s kovovými překážkami výrazně horší výsledky v porovnání s nelineárními modely jako Random Forest?

Points proposed by reviewer: 92