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。
ナビゲーションシステムは最近数年間にわたっている。最近,小型化センサの出現により,屋内環境における物体をナビゲートするのが容易になった。これらのセンサはユーザ(位置,姿勢,通信パターンなど)に関する大きな情報を提供し,ユーザコンテキストの捕捉を助ける。そのような情報を利用して,ユーザが利益を得ることができるスマートなアプリケーションを創造できる。多くの注目を受けている挑戦的な新しい分野は,屋内位置決めであり,一方,位置ベースサービスにおける関心も上昇している。多くの慣性測定ユニットベースの屋内位置決め技術が提案されてきたが,これらの技術は精度と一貫性に関連する多くの欠点を持っている。本論文では,学習モデルに対する学習を用いて,屋内ナビゲーションの精度を改善するための新しい解決策を示した。設計システムは,グローバル位置決めシステムと他の衛星が適切に機能しない屋内環境における物体の位置を追跡する。さらに,屋内ナビゲーションの精度を改善するために,予測アルゴリズムの予測精度を改善するために,予測モデルベースの人工ニューラルネットワークに対する学習を提案した。実験解析のために,センシングデータを得るために次世代慣性測定ユニット(IMU)を用いた。次世代IMUは,加速度計,ジャイロスコープ,および磁力計のような搭載3軸センサを結合するコンパクトなIMUとデータ収集プラットフォームである。さらに,予測アルゴリズムが雑音センサ読取から実際のセンサ読みを予測するために使用されるシナリオを考察した。さらに,αベータフィルタアルゴリズムにおけるアルファとベータのパラメータを調整するための人工ニューラルネットワークベースの学習モジュールを開発し,電流センサ読取における誤差量を最小にした。システムの精度を評価するために,著者らは,学習モジュールを有するアルファベータフィルタが,RMSEに関して従来のアルファベータフィルタアルゴリズムより良好に機能したことを観察した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】