文献
J-GLOBAL ID:202102226821103371   整理番号:21A0323848

頑健な屋内位置推定のための時間的・空間的特徴を利用したWi-Fi受信信号のノイズ除去と欠損値補間に関する検討

著者 (3件):
資料名:
巻: 2020  号:ページ: ROMBUNNO.5B-1  発行年: 2020年06月17日 
JST資料番号: L6741A  ISSN: 1882-0840  資料種別: 会議録 (C)
記事区分: 原著論文  発行国: 日本 (JPN)  言語: 日本語 (JA)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近年,Wi-Fi受信信号情報を用いた携帯端末の屋内位置推定手法に関する研究が盛んに行われている.最も一般的な屋内位置推定手法はWi-Fiフィンガープリンティングと呼ばれており,環境内の各地点で長時間静止してWi-Fi受信信号を取得することで,各地点における固有のWi-Fi受信信号情報を格納したラジオマップを作成する.そして,未知の地点で取得されたWi-Fi受信信号情報とラジオマップ内の各地点のWi-Fi受信信号情報を比較することで位置を推定する.しかし,歩行中のある時点で取得されたノイズや欠損が多く含まれるWi-Fi受信信号を位置推定に用いると位置推定精度が大きく低下してしまう問題がある.そこで,本研究では,ニューラルネットワークを用いて歩行中に取得されたWi-Fi受信信号のノイズ除去と欠損値補間を行うことで,Wi-Fiフィンガープリンティングを用いた頑健な屋内位置推定を行う手法を提案する.ノイズ除去と欠損値補間を行うニューラルネットワークモデルは,対象とは異なる環境で事前に学習したものを用いるため,対象とする環境の学習データを取得する必要がない.評価実験では,3つの環境で観測されたデータを用いて提案手法の有効性を確認した.(著者抄録)
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
無線通信一般  ,  人工知能 
引用文献 (24件):
  • A.G. a and J. Schmidhuber, “Framewise phoneme classification with bidirectional LSTM and other neural network architectures,” Neural Networks, vol.18, pp.602-610, 2005.
  • M. Abbas, M. Elhamshary, H. Rizk, M. Torki, M. Youssef, “Wideep: WiFi-based accurate and robust indoor localization system using deep learning,” ACM Computing Surveys, vol.46, no.18833748, pp.2474-2503, Mar. 2019.
  • P. Davidson and R. Piché, “A survey of selected indoor positioning methods for smartphones,” IEEE Communications Surveys Tutorials, vol.19, no.2, p.1347-1370,2017.
  • J. Fan and J. Cheng, “Matrix completion by deep matrix factorization,” Neural Networks, vol.98, pp.34-41,Feb. 2018.
  • A. Graves, N. Jaitly, and A.R. Mohamed, “Hybrid speech recognition with deep bidirectional LSTM,” Automatic Speech Recognition and Understanding, pp.273-278, 2013.
もっと見る

前のページに戻る