超宽带无标签门的动态锚点选择和实时姿态预测
本文提出并实施了一种新颖的低功耗、适应信道特性的动态频率下行到达差异时间测距算法,通过基于卷积神经网络(CNN)的 NLOS 概率预测器、动态测距频率控制模块和基于 IMU 传感器的测距滤波器,实验证明该算法在 NLOS 条件下的准确度比先前研究的基准方法提高了 50%,在 LOS 条件下的功耗降低了 46%。
Feb, 2024
室内定位系统中提出了一种自适应锚点对选择算法,通过最小化门口定位误差选择最有利的锚点对,以考虑用户身体遮挡之后利用 Extended Kalman 滤波算法计算 TDOA 值并定位用户在公寓内移动,实验结果表明自适应选择锚点对能提高用户的定位准确性,平均轨迹误差约为 0.32 米。
Apr, 2024
利用低成本的 Ultra-Wide Band(UWB)传感器和深度学习网络,我们提出了一个人类状态估计框架,能够在室内环境中无需特定设备的情况下估计人的位置和活动,实现精确的定位和活动识别。
Dec, 2023
基于 Ultra-wideband(UWB)技术的室内定位系统由于其提供厘米级定位精度的能力而受到认可。然而,这些系统经常面临密集多径衰落导致的定位误差挑战。为了解决这个问题,在本信中我们提出了一种利用深度嵌入聚类(DEC)的无监督锚节点选择的新方法。我们的方法在聚类之前使用自动编码器(AE),从而更好地将 UWB 特征分为可分离的 UWB 输入信号聚类。我们进一步研究如何基于聚类质量对这些聚类进行排序,从而能够去除不可靠的信号。实验结果显示了我们提出的方法的效率,相比不排除锚点,平均绝对误差(MAE)显著减少了 23.1%。尤其在密集多径区域,我们的算法实现了更显著的改进,将 MAE 减少了 26.6%,将 95th 百分位误差减少了 49.3%。
Apr, 2024
通过利用惯性传感器,记录人体动作的摄像机捕捉系统以稳定为标准,但基于稀疏可穿戴传感器的基于学习的追踪系统越来越受欢迎。文章提出了一种新颖的三维全身姿势估计方法,通过用于测距的超宽带无线电技术对传感器之间的距离进行约束,从而限制了惯性追踪中的漂移和抖动。我们的方法通过轻量级嵌入式追踪器,将这些传感器之间的距离与每个传感器估计的三维状态进行融合,并使用基于图的机器学习模型处理这些三维状态和距离,从而估计人体的三维全身姿势和平移。实验证明,我们的方法在位置误差和抖动方面具有领先的性能。
Apr, 2024
提出了一种名为 UWB 辅助安全步行(UASW)的新颖实时辅助系统,旨在通过障碍物检测并提醒用户实时情况来确保道路上行人的安全,该系统利用了嵌入在智能手机中的脉冲无线超宽带(IR-UWB)雷达,通过使用短脉冲提供出色的距离分辨率和高抗噪性,借助基于规则的障碍物检测和基于人工神经网络(ANN)的障碍物分类将复杂的通道冲击响应(CIR)数据融合在一起,通过实时采集的数据分析了提出的 UASW 系统的性能,结果表明该系统实现了高达 97% 的障碍物检测准确率和高达 95% 的障碍物分类准确率,推进了 UASW 在帮助分散注意力的行人和提高他们的情境意识方面的有效性。
Nov, 2023
通过使用专有的 UWB 雷达传感器技术,本文提出了一个强大的基于 UWB 的静态手势识别框架。我们通过大量数据收集建立了包含五种常用手势的数据集。我们的方法包括全面的数据预处理流程,其中包括异常值处理、保持纵横比缩放和伪彩色图像转换。我们在处理后的图像上训练了 CNN 和 MobileNet 模型。令人惊讶的是,我们的最佳模型达到了 96.78% 的准确率。此外,我们还开发了一个用户友好的 GUI 框架,用于评估模型的系统资源使用情况和处理时间,结果显示低内存占用率和不到一秒的实时任务完成时间。这项研究在使用 UWB 技术提高静态手势识别方面迈出了重要的一步,可以在各个领域中实现实际应用。
Oct, 2023
该研究探讨了在非直观传输环境下基于超宽带技术的测距方法,提出了一种基于核主成分分析的新型测距方法,经实际测试证明,该方法表现优异。
Nov, 2015
提出了一种新颖的 Fine-Tuned attribute Weighted Naive Bayes (FT-WNB) 分类器以用于室内定位系统中的 UltraWide Bandwidth 信号的 Line-of-Sight (LoS) 和 Non-Line-of-Sight (NLoS) 的识别,其性能比现有的最先进的机器学习方法在该场景下显著更好。
Apr, 2023
本文以 Linkoping 大学的地下隧道对频谱的复数脉冲响应进行了测量研究,重点阐述了 TOA 测距技术在建立基于距离的定位系统中的应用,并提供了 NLOS 识别误差和传播参数分析结果。
Dec, 2013