Awesome GitHub RepositoriesSignal Fingerprinting

whereami ist ein Indoor-Geolokalisierungstool und WiFi-Indoor-Positionierungssystem zur Schätzung der physischen Position eines Benutzers innerhalb eines Gebäudes. Es fungiert als Machine-Learning-Standortprädiktor und WiFi-Signalscanner, der drahtlose Netzwerkmuster auf spezifische geografische Koordinaten oder Raumbezeichnungen abbildet. Das System nutzt eine prädiktive Pipeline, um Modelle zu trainieren, die Fingerabdrücke drahtloser Netzwerke in Standortdaten übersetzen. Es identifiziert physische Positionen durch die Analyse der Signalstärken verfügbarer drahtloser Infrastruktur und den Vergleich von Live-Scans mit trainierten Datenbanken bekannter Signal-Fingerabdrücke. Das Projekt deckt plattformübergreifendes Netzwerk-Scanning zur Erfassung strukturierter WiFi-Signaldaten über verschiedene Betriebssysteme hinweg ab. Es umfasst zudem Funktionen für WiFi-Signal-Mapping und die Entwicklung von Supervised-Learning-Pipelines, um gelabelte Signaldatensätze mit geografischen Ground-Truth-Daten zu verknüpfen.

This project is an indoor location tracking server and wireless fingerprinting engine designed to calculate the physical position of Wi-Fi enabled devices within a building. It functions as a local positioning framework that maps wireless signal strengths to physical space without the need for dedicated hardware beacons. The system utilizes a training process to collect and submit wireless signal data, establishing a baseline database of signal patterns for specific coordinates. It identifies current locations by matching real-time signals against these stored fingerprints using k-nearest nei

find3 ist ein Indoor-Positionierungs-Framework, das physische Standorte innerhalb von Gebäuden durch die Analyse drahtloser Signalmuster und Hardware-Fingerabdrücke bestimmt. Es fungiert als Machine-Learning-Standortklassifikator, der Echtzeit-Signaldaten mit einer Datenbank bekannter Fingerabdrücke abgleicht, um interne Positionen zu identifizieren. Das System enthält ein Tool für Wireless-Signal-Fingerprinting, das zum Scannen von Hardwareschnittstellen und zum Sammeln von Signalstärkedaten für das Standort-Mapping verwendet wird. Diese Daten werden in einer komprimierten relationalen Signaldatenbank gepflegt, die für den schnellen Abruf von Hardwareadressen und Signalstärken ausgelegt ist. Das Framework deckt ein breites Spektrum an Funktionen ab, einschließlich passivem Signal-Scanning, Datenerfassung für Fingerprinting und der Verwendung von Machine-Learning-Klassifikatoren zur Schätzung und Bestimmung präziser Indoor-Positionen.