文献

J-GLOBAL ID：201202227313611193   整理番号：12A1507056

WLANににおける屋内追跡のためのカーネルベースの粒子フィルタリング

Kernel-based particle filtering for indoor tracking in WLANs

著者 (2件)： ZHANG Victoria Ying (Dep. of Electronic and Computer Engineering, The Hong Kong Univ. of Sci. and Technol., Clear Water Bay, Kowloon ...) ,  WONG Albert Kai-sun (Dep. of Electronic and Computer Engineering, The Hong Kong Univ. of Sci. and Technol., Clear Water Bay, Kowloon ...)
資料名： Journal of Network and Computer Applications  (Journal of Network and Computer Applications)
巻： 35  号： 6  ページ： 1807-1817  発行年： 2012年11月 
JST資料番号： H0842A  ISSN： 1084-8045  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 無線ローカルエリアネットワーク(WLAN)における信号強度を用いた屋内位置推定は,今日のパーベイシブコンピューティングアプリケーションでますます普及してきている。本論文で著者等は,Bayesフィルタおよび機械学習の枠組みの下での屋内追跡アルゴリズムを提案した。主なアイデアは,屋内フロアマップ上の人の位置を追跡するためにグラフベースの粒子フィルタを適用し,キャリブレーションデータに基づいて,様々な場所での観測の尤度を近似するために機械学習を利用することである。Nadaraya-Watsonのカーネル回帰を,非調査地点に対する受信信号強度(RSS)分布を内挿するために採用した。提案したカーネルベース粒子フィルタ(KBPF)の成功は,KBPFがモデルに環境や動きの制約を組み込んで,人がほとんどいることの無い場所を排除したグラフ上を伝播するように粒子を制限していること,および,開発した非線形内挿法は,調査位置の総数を削減することを可能にする非調査地点のRSS分布を推測するのに有効であるという事実にある。加えて,欠測値の問題もこの論文で扱っており,さまざまな方法を実験を介して比較した。著者等は,一般的なオフィス環境で一連の実験を行った。結果は,KBPFが他の既存のアルゴリズムよりも優れた性能を実現することを示した。それも,完全な訓練データセットを使用した他の方法よりも,訓練データのわずかな部分だけでより高い精度を得られた。結果として,KBPFを適用することにより,労力のかかる較正作業るにもかかわらず,サブメーター精度を得ることが可能である。KBPFはより計算的に複雑であるが,それでもリアルタイム推定を提供することができる。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *無線LAN ,  追跡 ,  *フィルタリング ,  状態推定 ,  機械学習 ,  フィルタ ,  位置 ,  信号特性
準シソーラス用語： Bayesフィルタ ,  *WLAN ,  屋内 ,  受信信号強度 ,  *粒子フィルタリング

分類 (2件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H)

タイトルに関連する用語 (5件)： WLAN ,  屋内 ,  追跡 ,  カーネル ,  粒子フィルタリング