文献

J-GLOBAL ID：202202230277408236   整理番号：22A1169474

iBeaconネットワークに基づく地域二重層,高精度屋内位置決めシステム【JST・京大機械翻訳】

Regional Double-Layer, High-Precision Indoor Positioning System Based on iBeacon Network

著者 (5件)： Zhang Xiaona (Information Science and Technology College, Dalian Maritime University, Dalian 116026, China) ,  Zhang Xiaona (School of Media, Tonghua Normal University, Tonghua 134002, China) ,  Zhang Shufang (Information Science and Technology College, Dalian Maritime University, Dalian 116026, China) ,  Wang Chao (State Grid Tonghua Power Supply Company, Tonghua 134002, China) ,  Sun Shujing (Communication Engineering Construction and Maintenance of Wired Communication Department, Air Force Communication NCO Academy, Dalian 116026, China)
資料名： Mathematical Problems in Engineering (Web)  (Mathematical Problems in Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7803A  ISSN： 1024-123X  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： 現代社会の開発によって,屋内位置決め技術の需要は,より高くて,より高かった。既存の屋内位置決め技術は,精度の問題を実際に解決し,高性能屋内位置決めシステム設計を達成するのが難しい。iBeacon装置に基づいて,本論文は,屋内環境におけるマルチパスフェージングの悪影響を減らすために,Gaussフィルタリング法を用いて,受信信号強度指示屋内位置決めアルゴリズムを最適化する方法を提案した。屋内位置決めアルゴリズムの精度をさらに改善するために,深層ニューラルネットワークアルゴリズムにおけるスタック自動符号器を導入した。深層学習方式を通して,システムによって収集した指紋データベースの高次元情報を抽出し,データベースに及ぼすデータノイズの悪影響も減少する。システムのシミュレーション試験を通して,拡張Gaussフィルタに基づく受信信号強度指示屋内位置決めアルゴリズムの誤差が小さかった。従来のiBeaconアルゴリズムと比較して,改良アルゴリズムはより良いデータ分類を達成できる。全体のシステムの最大誤差は1.02M.総合的解析であり,提案した屋内位置決めシステムが一定の実用的価値を持ち,ある範囲の環境において屋内位置決めニーズに適用できることを示した。Copyright 2022 Xiaona Zhang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  雑音 ,  シミュレーション ,  システム設計 ,  データベース ,  *ネットワーク ,  *位置決め ,  Gaussフィルタ ,  符号器 ,  信号特性 ,  屋内環境 ,  高次元 ,  機械学習
準シソーラス用語： 受信信号強度 ,  深層学習 ,  *屋内位置決め ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 電子航法一般  (ND14010O) ,  移動通信  (ND08030H)

引用文献 (24件)：

• A Liu, J Li, L Li, "Study on indoor positioning method based on subchannel information fusion," Yi Qi Yi Biao Xue Bao/Chinese Journal of Scientific Instrument, vol. 39, no. 3, pp. 242-249, 2018.
• A Yazıcı, S. B Keser, S Günal, "A multi-criteria decision strategy to select a machine learning method for indoor positioning system," The International Journal on Artificial Intelligence Tools, vol. 27, no. 05, 2018.
• H Xie, Z Tan, W Mao, "High precision indoor positioning method based on visible light communication using improved Camshift tracking algorithm," Optics Communications, vol. 468, no. 19, 2020.
• Y Zhang, C Qu, Y Wang, "An indoor positioning method based on CSI by using features optimization mechanism with LSTM," IEEE Sensors Journal, vol. 99, pp. 1, 2020.
• F Bernardini, A Buffi, D Fontanelli, "Robot-based indoor positioning of UHF-RFID tags: The SAR method with multiple trajectories," IEEE Transactions on Instrumentation and Measurement, vol. 99, pp. 1, 2020.

タイトルに関連する用語 (3件)： 地域 ,  二重層 ,  屋内位置決め