論文の概要: The Tale of Two Localization Technologies: Enabling Accurate
Low-Overhead WiFi-based Localization for Low-end Phones
- arxiv url: http://arxiv.org/abs/2106.13663v1
- Date: Fri, 25 Jun 2021 14:31:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-25 13:58:37.768162
- Title: The Tale of Two Localization Technologies: Enabling Accurate
Low-Overhead WiFi-based Localization for Low-end Phones
- Title(参考訳): 2つのローカライズ技術--ローエンド電話における高精度ローカライズを可能にする-
- Authors: Ahmed Shokry, Moustafa Elhamshary, Moustafa Youssef
- Abstract要約: WiFiフィンガープリントは、屋内ローカライゼーションの主流技術の一つである。
提案するHybridLocは, 高精度な低頭位屋内位置決めシステムである。
HybridLocは、ハイエンドのスマートフォンのセンサーを活用して、ローエンドのスマートフォンのローカライズを可能にする。
- 参考スコア(独自算出の注目度): 5.198840934055703
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: WiFi fingerprinting is one of the mainstream technologies for indoor
localization. However, it requires an initial calibration phase during which
the fingerprint database is built manually. This process is labour intensive
and needs to be repeated with any change in the environment. While a number of
systems have been introduced to reduce the calibration effort through RF
propagation models or crowdsourcing, these still have some limitations. Other
approaches use the recently developed iBeacon technology as an alternative to
WiFi for indoor localization. However, these beacon-based solutions are limited
to a small subset of high-end phones. In this paper, we present HybridLoc: an
accurate low-overhead indoor localization system. The basic idea HybridLoc
builds on is to leverage the sensors of high-end phones to enable localization
of lower-end phones. Specifically, the WiFi fingerprint is crowdsourced by
opportunistically collecting WiFi-scans labeled with location data obtained
from BLE-enabled high-end smart phones. These scans are used to automatically
construct the WiFi-fingerprint, that is used later to localize any lower-end
cell phone with the ubiquitous WiFi technology. HybridLoc also has provisions
for handling the inherent error in the estimated BLE locations used in
constructing the fingerprint as well as to handle practical deployment issues
including the noisy wireless environment, heterogeneous devices, among others.
Evaluation of HybridLoc using Android phones shows that it can provide accurate
localization in the same range as manual fingerprinting techniques under the
same conditions. Moreover, the localization accuracy on low-end phones
supporting only WiFi is comparable to that achieved with high-end phones
supporting BLE. This accuracy is achieved with no training overhead, is robust
to the different user devices, and is consistent under environment changes.
- Abstract(参考訳): WiFiフィンガープリントは、屋内ローカライゼーションの主流技術の一つである。
しかし、指紋データベースを手動で構築する初期校正フェーズが必要となる。
このプロセスは労働集約的であり、環境の変化を繰り返す必要があります。
RF伝搬モデルやクラウドソーシングによる校正作業を減らすために多くのシステムが導入されたが、これらにはいくつかの制限がある。
他のアプローチでは、最近開発されたiBeacon技術が、屋内ローカライゼーションのためのWiFiに代わるものとして使われている。
しかし、ビーコンベースのソリューションは、ハイエンドフォンの小さなサブセットに限られている。
本稿では,精度の低い屋内ローカライズシステムであるhybridlocを提案する。
HybridLocの基本的な考え方は、ハイエンドのスマートフォンのセンサーを利用してローエンドのスマートフォンをローカライズすることだ。
具体的には、WiFi指紋は、BLE対応ハイエンドスマートフォンから取得した位置情報をラベル付けしたWi-Fiスキャンによってクラウドソースされる。
これらのスキャンは、Wi-Fiフィンガープリントを自動で構築するために使用され、その後、ローエンドの携帯電話をユビキタスなWiFi技術でローカライズするために使われる。
hybridlocはまた、指紋作成に使用される推定ble位置の固有のエラーに対処するとともに、ノイズの多いワイヤレス環境や異種デバイスなどの実用的な配置問題に対処するための規定も備えている。
Android携帯電話を用いたHybridLocの評価では,手動指紋認証技術と同じ範囲で,正確な位置推定が可能である。
さらに、WiFiのみをサポートするローエンド端末でのローエンド端末のローカライズ精度は、BLEをサポートするハイエンド端末と同等である。
この精度はトレーニングオーバーヘッドなしで達成され、異なるユーザデバイスに対して堅牢であり、環境変化下で一貫性がある。
関連論文リスト
- DeepCell: A Ubiquitous Accurate Provider-side Cellular-based Localization [4.962238993531738]
DeepCell(ディープセル)は、携帯電話の指紋認証システムである。
一貫した中央値の精度は29mに達する。
この精度は最先端のクライアントベースシステムより75.4%以上優れている。
論文 参考訳(メタデータ) (2024-07-24T01:28:04Z) - Multi-Head Attention Neural Network for Smartphone Invariant Indoor
Localization [3.577310844634503]
RSSIフィンガープリントと共にスマートフォンは、低コストで高精度な屋内ローカライゼーションソリューションを提供するための効率的なアプローチとして機能する。
デバイスの不均一性に耐性を持つマルチヘッド型ニューラルネットワークを用いた屋内位置決めフレームワークを提案する。
提案手法の詳細な分析により,最先端の屋内局地化技術と比較して最大35%の精度向上が得られた。
論文 参考訳(メタデータ) (2022-05-17T03:08:09Z) - LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法
提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。
推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
論文 参考訳(メタデータ) (2022-02-01T20:27:46Z) - CHISEL: Compression-Aware High-Accuracy Embedded Indoor Localization
with Deep Learning [4.657486836910778]
WiFi指紋認証による屋内のローカライゼーションは、この需要を満たす最も有望な方法の1つだ。
そこで我々は,CHISELと呼ばれる圧縮認識・高精度深層学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-07-02T17:00:01Z) - Immediate Proximity Detection Using Wi-Fi-Enabled Smartphones [1.3706331473063877]
本稿では,2つのWi-Fi対応デバイスが物理的に近接しているかどうかを検知する新しい手法を提案する。
我々の目標は、スマートフォンによる露出通知と接触追跡システムの精度を高めることである。
論文 参考訳(メタデータ) (2021-06-05T02:17:01Z) - Federated Learning-based Active Authentication on Mobile Devices [98.23904302910022]
モバイルデバイス上のユーザアクティブ認証は、デバイスセンサ情報に基づいて登録ユーザを正しく認識できるモデルを学ぶことを目的としている。
Federated Active Authentication (FAA) と呼ばれる新しいユーザーアクティブ認証トレーニングを提案します。
既存のFL/SL法は,同質に分散するデータに依存するため,FAAにとって最適ではないことを示す。
論文 参考訳(メタデータ) (2021-04-14T22:59:08Z) - 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) - Towards Palmprint Verification On Smartphones [62.279124220123286]
過去20年間の研究によると、ヤシの印刷物は独特性と永続性に優れた効果がある。
我々はスマートフォン用のDeepMPV+というDCNNベースのパームプリント検証システムを構築した。
DeepMPV+の効率と有効性は広範な実験によって裏付けられている。
論文 参考訳(メタデータ) (2020-03-30T08:31:03Z)
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。