Master's Thesis

RFID Tag Orientation Estimation Using Machine Learning Method

Final Thesis 7.04 MB Appendix 137.58 kB

Author of thesis: Bc. Vojtěch Hroch

Acad. year: 2025/2026

Supervisor: doc. Ing. Petr Kadlec, Ph.D.

Reviewer: Ing. Jana Olivová, Ph.D.

Abstract:

This diploma thesis focuses on the localization and orientation  estimation of an RFID tag in space using machine learning. The work analyzes various shapes of RFID tags in the UHF frequency band, which can be used for precise localization and orientation estimation. In this work, a parameterized model of a RFID tag was created within the Ansys HFSS simulation environment. The model allows for various locations in the simulation space and rotations in the XY plane and exporting results for various positions and rotations. Furthermore, the work solves the localization of the simulated tag using the Angle of Arrival (AoA) method and estimates the orientation of the tag based on data obtained from HFSS. Localization and orientation estimation are further performed using an MLP neural network. A Random Forest algorithm is implemented to eliminate the sensor that introduces the greatest error into the localization. The weighted kNN algorithm is used to estimate the rotation outside the body of the reference grid.

Keywords:

RFID, Angle of arrival, rotation estimate, localization, HFSS, Multi Layer perceptron, Random Forest, WKNN

Date of defence

09.06.2026

Result of the defence

Defended (thesis was successfully defended)

znamkaBznamka

Grading

B

Process of defence

Student prezentuje výsledky a řešení své diplomové práce. Následně stručně odpovídá na dotazy oponenta práce. doc. Kadlec: Jak by jste prakticky vyřešil správu energie a reálně implementoval tag do puku? Student odpovídá Co by se dělo se signálem a přenosovým kanálem při reálném hokeji? Student částečně odpovídá dr. Král: Jaká je uvažována šířka pásma pro TDoA a následná přesnost lokalizace? Student spíše neodpovídá doc. Drexler: Jaký vliv na systém by měl Dopplerův posuv? Student odpovídá váhavě

Language of thesis

Czech

Faculty

Fakulta elektrotechniky a komunikačních technologií

Department

Department of Radio Electronics

Study programme

Electronics and Communication Technologies (MPC-EKT)

Composition of Committee

prof. Ing. Tomáš Kratochvíl, Ph.D. (předseda)
doc. Ing. Petr Kadlec, Ph.D. (místopředseda)
Ing. Jan Král, Ph.D. (člen)
mjr. Ing. Markéta Vršecká, Ph.D. (člen)
doc. Ing. Petr Drexler, Ph.D. (člen)
prof. RNDr. Jitka Dluhá, Ph.D. (člen)

Supervisor’s report
doc. Ing. Petr Kadlec, Ph.D.

Student vytvořil model v simulačním nástroji CST Studio parametrizovaný model, který zahrnoval zvolený RFID tag a několik čteček – zjednodušených anténních polí rozmístěných po sledovaném prostoru. Na základě sledovaného EM pole byl potom schopen na základě metod Angle of Arrival (AoA) a tzv. fingerprintingu schopen odhadovat pozici a natočení tagu v prostoru. Dále implementoval dvě metody strojového učení, vícevrstvý perceptron a metodu Random Forrest pro dosažení přesnějších odhadů. Architekturu sítě případně konfiguraci jednotlivých algoritmů strojového učení student optimalizoval pomocí algoritmu diferenciální evoluce.
Práce je logicky strukturovaná, jednotlivé metody jsou dobře popsané a vysvětlené. Jen někdy bych preferoval popsat implementované metody pomocí pseudokódu raději než zdlouhavými popisy jednotlivých kroků v textu. Student dobře pracuje s dostupnou literaturou. Samotný kód je dobře komentovaný, jen bych doporučil psát komentáře anglicky a kód více atomizovat. 
Během semestru student postup práce pravidelně konzultoval a přicházel s vlastními nápady na vylepšení. Výsledky práce poté prezentoval na studentské konferenci EEICT.
Cíle práce byly splněny beze zbytku, proto předloženou práci doporučuji k obhajobě. Points proposed by supervisor: 91

Grade proposed by supervisor: A

Reviewer’s report
Ing. Jana Olivová, Ph.D.

Předložení práce se zabývá lokalizací a odhadem natočení RFID štítku v prostoru pomocí metod strojového učení. V úvodních kapitolách autor rozebírá technologii RFID v pásmu UHF, typy štítků vhodných pro lokalizaci a základní lokalizační metody (RSS, ToA, AoA, referenční metody). Následuje přehled metod strojového učení -- SVM, CNN, MLP, Random Forest a kNN.
Pro praktickou část byl v Ansys HFSS vytvořen parametrický model RFID štítku, který umožňuje simulovat různé pozice a natočení v rovině XY a exportovat komplexní složky pole. Simulace jsou řízeny Python skripty, data se zpracovávají v MATLABu. Byly vytvořeny datasety s 800 vzorky (LHS) a s pravidelnou mřížkou (504 a 1976 vzorků) pro různé rozestupy sond. Lokalizace byla provedena metodou Angle of Arrival (AoA) s nejlepší průměrnou odchylkou 135 mm (medián 90 mm) v prostoru 1200×2400 mm při rozestupu sond λ/3. Z metod strojového učení byla implementována neuronová síť MLP, dále Random Forest pro eliminaci nejvíce chybové čtečky a vážený kNN pro odhad natočení mimo body referenční mřížky. Ač je práce z výpočetních důvodů řešena pouze ve 2D prostoru, považuji tuto práci za přínosnou a velice dobře zpracovanou. Její využití pro lokalizaci puku v brankovišti je velice zajímavá a zpracování praktických aspektů využití navržené metody pro skutečnou lokalizaci puku je perfektní. Topics for thesis defence:
  1. 1. Pokud Vaši navrženou metodu nelze použít pro skutečnou lokalizaci puku v brance, kvůli přítomnosti hráčů, jakou jinou metodu byste použil?
  2. 2. Pro jakou jinou aplikaci byste svoji metodu a zpracování dat využil?
Points proposed by reviewer: 96

Grade proposed by reviewer: A

Responsibility: Mgr. et Mgr. Hana Odstrčilová