文献

J-GLOBAL ID：202202240374150024   整理番号：22A0560845

物体のインターネットの下での正確でロバストな屋内位置決めのためのL1ノルム制約カーネル適応フィルタリングフレームワーク【JST・京大機械翻訳】

L1-norm constraint kernel adaptive filtering framework for precise and robust indoor localization under the internet of things

著者 (7件)： Zhao Xin (School of Automation Engineering, University of Electronic Science and Technology of China, Xiyuan street 2006, Chengdu 611731, Sichuan, China) ,  Li Xifeng (School of Automation Engineering, University of Electronic Science and Technology of China, Xiyuan street 2006, Chengdu 611731, Sichuan, China) ,  Bi Dongjie (School of Automation Engineering, University of Electronic Science and Technology of China, Xiyuan street 2006, Chengdu 611731, Sichuan, China) ,  Wang Haojie (School of Automation Engineering, University of Electronic Science and Technology of China, Xiyuan street 2006, Chengdu 611731, Sichuan, China) ,  Xie Yongle (School of Automation Engineering, University of Electronic Science and Technology of China, Xiyuan street 2006, Chengdu 611731, Sichuan, China) ,  Alhudhaif Adi (Department of Computer Science, College of Computer Engineering and Sciences in Al-kharj, Prince Sattam bin Abdulaziz University, P.O. Box 151, Sa’ad Ibn Mu’adh 11942, Al Kharj, Saudi Arabia) ,  Alenezi Fayadh (Department of Electrical Engineering, College of Engineering, Jouf University, King Khalid Road, Sakaka Kingdom 72388, Sakaka, Saudi Arabia)
資料名： Information Sciences  (Information Sciences)
巻： 587  ページ： 206-225  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Gauss雑音のような混合雑音は屋内環境に広く存在し,常にモノのインターネット(IoT)下の位置決めシステムの性能劣化の問題に通じる。本論文では,一般化Studentのtカーネル(GSt)と得られたスパース一般化Studentのtカーネル適応フィルタ(SGStKAF)という新しいカーネル関数を提案し,この問題を攻撃した。提案したSGStKAFは,L1ノルムペナルティを持つカーネル平均p電力誤差基準(KMPE)を利用する。提案したSGStKAFは3つの重要な特徴を持つ。最初に,一般化Studentのtカーネルは,効果的に突然のノイズを抑制することができた。第2に,L1ノルムペナルティは,より精密な解がいくつかの反復で得ることができるように,固定点サブ反復が利用可能であることを保証した。最後に,提案した方法の実装のためのニューラルネットワークのスパース構造を,L1制約を通して得ることができた。3つの実験と比較を行い,シミュレーション状況と実世界屋内環境の両方における精度とロバスト性に関して提案した位置決めフレームワークの有効性を証明した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  シミュレーション ,  電力 ,  ニューラルネットワーク ,  Gauss雑音 ,  屋内環境 ,  ペナルティ ,  *ロバスト性 ,  *ノルム ,  *インターネット ,  *適応フィルタ ,  *適応フィルタリング ,  *フレームワーク【ソフトウェア開発】
準シソーラス用語： *L1ノルム ,  モノのインターネット ,  *屋内位置決め , 【Automatic Indexing@JST】

著者キーワード (5件)： カーネル適応フィルタ ,  屋内位置決め ,  モノのインターネット ,  急激な騒音 ,  位置決め精度

分類 (2件)： ディジタルフィルタ  (NC04022Z) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： 物体 ,  インターネット ,  ロバスト ,  屋内位置決め ,  L1ノルム ,  制約 ,  カーネル ,  適応フィルタリング ,  フレームワーク