Jul, 2023

基于 RFID 的混合无线数据融合室内定位

PDF
TL;DR通过使用发展的射频识别（RFID）追踪装置和多种物联网无线技术，本文提出了一种基于分区的混合室内定位方法。这种混合方法通过线性位置估计从不同的物联网无线技术获得的实验结果验证了 RFID 追踪装置和蓝牙、WiFi 和 ZigBee 技术的基于 RSSI 的定位结果。
wireless localizationinternet of thingsrfidiot wireless technologieshybrid method
发现论文，激发创造
  • 利用机器学习技术改进的物联网应用的室内定位

    利用机器学习算法和无线技术实现基于接收信号强度指示器 (RSSI) 的室内定位，通过测试不同的机器学习模型和无线技术，评估室内环境下的定位精度和稳定性。

    Feb, 2024

  • 室内定位系统和技术综述

    本文从 WiFi、RFID、UWB 和蓝牙等技术出发，评估和总结当今室内定位技术的优点和挑战，并强调了该技术在 IoT 中的重要性。

    Sep, 2017

  • 基于强化学习信息融合的混合室内定位

    本文介绍了一种基于强化学习信息融合框架（RL-IFF）的新型解决方案，通过将到达角度（AoA）与 RSSI 基于粒子滤波和 IMU 基于 Dead Reckoning（PDR）框架相结合，旨在解决 Bluetooth Low Energy 在智能城市中室内动态跟踪 / 定位方法的无法靠谱的问题，实验证明其性能优于同类方案。

    Oct, 2022

  • 室内定位系统：传感器读数的智能融合

    通过结合多种最先进的传感器的数据，我们提出了一个多功能的测量系统，对其进行比较和融合，展示了单一数据融合技术在应对情境转换时的可行性和鲁棒性。特别是，在结合射频（RF）定位技术和惯性测量单元（IMU）时，这种方法在解决定位问题上具有极高的鲁棒性和可靠性。

    May, 2021

  • 室内 GNN：基于图神经网络的 WiFiRSSI 室内定位方法

    我们开发了一种名为 'IndoorGNN' 的方法，它使用基于图神经网络（GNN）的算法，以一种监督方式将特定位置分类为特定区域，基于在该位置收集到的 RSSI 值。我们的实验证明，IndoorGNN 在数据集受限的情况下能够表现出与完整数据集相当的预测准确性，而且相比于传统方法和基于 GNN 的方法，它在室内定位任务中具有更好的位置预测准确性。

    Dec, 2023

  • 基于贝叶斯过滤技术的基于 RFID 的室内空间查询评估

    本研究提出了基于贝叶斯滤波理论的室内数据定位算法和两种跟踪模型（室内步行图模型和锚定点索引模型），以评估采用 RFID 原始数据的室内空间查询，最终验证了方法的有效性和可行性。

    Apr, 2022

  • 利用无线、视觉和音频传感器进行室内定位：现实数据验证和讨论

    本文研究使用无线电、视觉和音频传感器进行室内定位的方法。通过对最先进的算法和真实数据集的评估，我们更具体地评估了一种基于无线电的机器学习算法与大规模 MIMO 技术、基于视觉的 ORB-SLAM3 算法与 RGB-D 相机以及基于音频的 SFS2 算法与麦克风阵列进行室内定位。讨论了定位精度、可靠性、校准要求和潜在系统复杂性等方面，以分析不同传感器在室内定位任务中使用的优势和局限性。结果可作为鲁棒高精度多传感器定位系统进一步发展的指南和基础，例如通过传感器融合、上下文和环境感知适应。

    Sep, 2023

  • 位置启用物联网（LE-IoT）：定位技术、误差来源和缓解措施的概述

    本研究论文重点介绍物联网（IoT）中的本地化技术，着重分析由 LPWAN 产生的各种误差，如何评估和解决这些误差对 IoT 的定位能力产生重大影响，并提供了详尽的指导和建议。

    Apr, 2020

  • 用于智能手机不变室内定位的多头注意力神经网络

    本研究提出了一种基于多头注意力神经网络的室内定位框架，能够有效应对智能手机设备异构性导致的 RSSI 信号特性差异问题，并在多样化的室内环境中，相比于现有技术，提升了高达 35% 的定位准确性。

    May, 2022

  • 基于无线信号的机器学习定位全面调查

    本文探讨了基于射频信号的机器学习定位系统，涵盖了架构、输入特征、机器学习方法和数据集等方面，对该领域中近 400 篇论文进行了分类和概述。

    Dec, 2020