El problema de la proximidad es que sólo toma la información de localización de un receptor, por lo que es difícil dar una localización muy precisa del propio dispositivo. La única forma de aumentar la precisión con este método es añadir más nodos que midan los dispositivos. Lo bueno de este método es que funciona bien en ambientes interiores donde hay muchos objetos que pueden estorbar y causar dificultades para estimar la ubicación de un dispositivo usando la estimación de distancia.
El problema de la estimación de la distancia es que asume que el mundo es plano y que no hay ningún objeto que bloquee las señales o cause multitrayectoria, tal y como he comentado con el método de proximidad. Si realmente fuera así, la estimación de la distancia podría ser muy precisa con sus mediciones, pero el mundo no es tan amable con nosotros.
Así que llega el análisis de la escena. Se trata esencialmente de la estimación de la distancia, pero intenta superar los problemas que tiene la estimación pura de la distancia. Para ello hay que entrenar al sistema en lo que ocurre en el mundo real. Para ello, se colocan dispositivos en lugares conocidos y se registran los resultados como si se tratara de una estimación de distancia. Cuantos más puntos se hagan, mejor se podrá enseñar al sistema a saber con precisión dónde se encuentra un dispositivo.
La forma en que se utilizan estos puntos de datos puede variar en función del uso, pero casi siempre se utilizan en algún tipo de red neuronal. En tu caso, parece que se está utilizando la red k-nearest neighbor. Básicamente, lo que hace es tomar los datos recibidos, compararlos directamente con todos los puntos de muestra conocidos que ha recogido y decir que la ubicación es la misma que la de un punto de datos de muestra conocido. Los sistemas más avanzados pueden predecir la ubicación basándose en el cálculo de la distancia entre múltiples puntos de muestra.
Nunca he visto a los vecinos más cercanos, así que esto es una suposición de cómo se está aplicando aquí, pero espero haber sido capaz de proporcionar una idea de cuáles son los problemas con el análisis de la distancia que están tratando de ser superados con el análisis de la escena.
