論文の概要: Topological Indoor Mapping through WiFi Signals

• arxiv url: http://arxiv.org/abs/2106.09789v1
• Date: Thu, 17 Jun 2021 20:06:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-21 13:55:52.323321
• Title: Topological Indoor Mapping through WiFi Signals
• Title（参考訳）: wifi信号によるトポロジカルな屋内マッピング
• Authors: Bastian Schaefermeier and Gerd Stumme and Tom Hanika
• Abstract要約: WiFiアクセスポイントとWiFi信号強度を測定するモバイルデバイスは、ローカライゼーションとマッピングにおける現実の応用を可能にする。 それまでのアプローチは、厳密なマップ構築プロセス、環境の変化、ハードウェアの違いといった問題によって妨げられていた。 トポロジカルマップに焦点をあてたこれらの問題に対処する。 教師なし手法では、WiFi信号強度分布、次元減少、クラスタリングを用いる。
• 参考スコア（独自算出の注目度）: 0.09668407688201358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ubiquitous presence of WiFi access points and mobile devices capable of measuring WiFi signal strengths allow for real-world applications in indoor localization and mapping. In particular, no additional infrastructure is required. Previous approaches in this field were, however, often hindered by problems such as effortful map-building processes, changing environments and hardware differences. We tackle these problems focussing on topological maps. These represent discrete locations, such as rooms, and their relations, e.g., distances and transition frequencies. In our unsupervised method, we employ WiFi signal strength distributions, dimension reduction and clustering. It can be used in settings where users carry mobile devices and follow their normal routine. We aim for applications in short-lived indoor events such as conferences.
• Abstract（参考訳）: wifiアクセスポイントとwi-fi信号強度を計測できるモバイルデバイスのユビキタスな存在は、屋内のローカライズとマッピングにおける現実世界の応用を可能にする。 特に追加のインフラストラクチャは不要である。 しかし、この分野での以前のアプローチは、厳密なマップ構築プロセス、環境の変化、ハードウェアの違いといった問題によってしばしば妨げられた。 トポロジカルマップに焦点を当てたこれらの問題に取り組む。 これらは、部屋などの離散的な位置とその関係、例えば距離と遷移周波数を表す。 教師なし手法では、WiFi信号強度分布、次元減少、クラスタリングを用いる。 これは、ユーザーがモバイルデバイスを持ち、通常のルーチンに従う設定で使用できる。 我々は,カンファレンスなどの短期屋内イベントの応用を目標としている。

関連論文リスト

• Multimodal Indoor Localization Using Crowdsourced Radio Maps [7.220542831917648]
  我々は,無線地図の不正確さとスパースカバレッジの課題に対処する新しい枠組みを導入する。 提案システムは,WiFiローカライゼーションのための不確実性を考慮したニューラルネットワークモデルと,最適核融合のためのベージアン融合技術を統合する。
  論文  参考訳（メタデータ） (2023-11-17T15:57:32Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• Domain Adversarial Graph Convolutional Network Based on RSSI and Crowdsensing for Indoor Localization [8.406788215294483]
  少数のラベル付きサイトサーベイデータと大量のラベル付きクラウドセンシングWiFi指紋を用いてトレーニングできる新しいWiDAGCNモデルを提案する。 本システムは、複数の建物を含む公共の屋内ローカライゼーションデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2022-04-06T08:06:27Z)
• Siamese Neural Encoders for Long-Term Indoor Localization with Mobile Devices [5.063728016437489]
  フィンガープリンティングに基づく屋内ローカライゼーションは、屋内ローカライズにおける人や資産の位置と追跡の強化のための新興アプリケーションドメインである。 本稿では,その領域の最先端技術と比較して,局所化精度の低下を最大40%低減する,シームズ・ニューラルエンコーダベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-28T07:22:55Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• WiFi Fingerprint Clustering for Urban Mobility Analysis [20.190366137684205]
  スマートフォンアプリケーションデータからWi-Fi計測を利用してユーザポイント(POI)を識別するための教師なし学習手法を提案する。 屋内・シェルター・高層建築環境におけるGPS位置決め精度の欠如により、現代都市部において広く利用可能なWiFiアクセスポイント(AP)に依存している。 周囲のWiFi APをスキャンし、監視されていない学習を行い、3つの大きな洞察を識別できることを実証するシステムアーキテクチャを提案します。
  論文  参考訳（メタデータ） (2021-05-04T03:46:14Z)
• WiFiNet: WiFi-based indoor localisation using CNNs [2.242735348583755]
  分類問題における畳み込みニューラルネットワークを活用した新しいWiFi型屋内ローカリゼーションシステムを提案する。 その結果、WiFiNetは中規模環境での屋内ローカライズの優れたアプローチであることがわかった。
  論文  参考訳（メタデータ） (2021-04-14T10:49:17Z)
• Zero-Shot Multi-View Indoor Localization via Graph Location Networks [66.05980368549928]
  屋内ローカライゼーションは、位置ベースアプリケーションにおける基本的な問題である。 本稿では,インフラストラクチャフリーで多視点画像に基づく屋内ローカライゼーションを実現するために,新しいニューラルネットワークアーキテクチャであるGraph Location Networks(GLN)を提案する。 GLNは、メッセージパッシングネットワークを通じて画像から抽出されたロバストな位置表現に基づいて位置予測を行う。 新たにゼロショット屋内ローカライズ設定を導入し,提案したGLNを専用ゼロショットバージョンに拡張することで,その課題に対処する。
  論文  参考訳（メタデータ） (2020-08-06T07:36:55Z)
• Federated and continual learning for classification tasks in a society of devices [59.45414406974091]
  Light Federated and Continual Consensus (LFedCon2)は、軽量で伝統的な学習者を用いた新しいフェデレーションおよび継続アーキテクチャである。 我々の方法では、スマートフォンやロボットのような無力デバイスが、リアルタイムで、ローカルで、継続的に、自律的に、そしてユーザーから学習することができる。 提案手法をスマートフォン利用者の異種コミュニティに適用し,歩行認識の課題を解決した。
  論文  参考訳（メタデータ） (2020-06-12T12:37:03Z)
• Real-time Localization Using Radio Maps [59.17191114000146]
  パスロスに基づく簡易かつ効果的なローカライゼーション法を提案する。 提案手法では, 受信した信号強度を, 既知の位置を持つ基地局の集合から報告する。
  論文  参考訳（メタデータ） (2020-06-09T16:51:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。