論文の概要: A Kernel Method to Nonlinear Location Estimation with RSS-based Fingerprint

• arxiv url: http://arxiv.org/abs/2204.03724v1
• Date: Thu, 7 Apr 2022 20:30:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-11 21:41:11.988441
• Title: A Kernel Method to Nonlinear Location Estimation with RSS-based Fingerprint
• Title（参考訳）: rss指紋を用いた非線形位置推定のためのカーネル法
• Authors: Pai Chet Ng, Petros Spachos, James She, and Konstantinos N. Plataniotis
• Abstract要約: 我々は、M$M$のグリッドポイントを持つ大きな場所を考え、各グリッドポイントにはユニークな指紋がラベル付けられている。 スマートフォンで観察される指紋から、利用者の現在位置をトップk類似の指紋を見つけることで推定することができる。 提案手法は,1)保持位置の微妙な変化に敏感なビーコンのサブセットを選択するビーコン選択戦略と,2)観測信号のサブセットとデータベースに登録されているすべての指紋との類似性を計算するカーネル手法とからなる。
• 参考スコア（独自算出の注目度）: 33.14527257036209
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a nonlinear location estimation to infer the position of a user holding a smartphone. We consider a large location with $M$ number of grid points, each grid point is labeled with a unique fingerprint consisting of the received signal strength (RSS) values measured from $N$ number of Bluetooth Low Energy (BLE) beacons. Given the fingerprint observed by the smartphone, the user's current location can be estimated by finding the top-k similar fingerprints from the list of fingerprints registered in the database. Besides the environmental factors, the dynamicity in holding the smartphone is another source to the variation in fingerprint measurements, yet there are not many studies addressing the fingerprint variability due to dynamic smartphone positions held by human hands during online detection. To this end, we propose a nonlinear location estimation using the kernel method. Specifically, our proposed method comprises of two steps: 1) a beacon selection strategy to select a subset of beacons that is insensitive to the subtle change of holding positions, and 2) a kernel method to compute the similarity between this subset of observed signals and all the fingerprints registered in the database. The experimental results based on large-scale data collected in a complex building indicate a substantial performance gain of our proposed approach in comparison to state-of-the-art methods. The dataset consisting of the signal information collected from the beacons is available online.
• Abstract（参考訳）: 本稿では,スマートフォンを持っているユーザの位置を推定するための非線形位置推定法を提案する。 各グリッドポイントには、受信信号強度(rss)値が、bluetooth low energy(ble)ビーコン数n$から測定されるユニークな指紋がラベル付けされている。 スマートフォンで観察された指紋から、データベースに登録された指紋リストからトップk類似の指紋を見つけることで、ユーザの現在位置を推定することができる。 環境要因の他に、スマートフォンの保持のダイナミック性も指紋測定のばらつきの原因となっているが、オンライン検出中に人間の手が持つ動的なスマートフォンの位置による指紋変動に関する研究は少ない。 そこで本研究では,カーネル法による非線形位置推定を提案する。 具体的には,提案手法は以下の2つのステップからなる。 1)保持位置の微妙な変化に敏感なビーコンのサブセットを選択するビーコン選択戦略及び 2) この観測信号のサブセットとデータベースに登録されたすべての指紋との類似性を計算するためのカーネル手法。 複雑な建物で収集した大規模データを基にした実験結果から,提案手法の性能向上は最先端手法と比較して有意に向上した。 ビーコンから収集された信号情報からなるデータセットはオンラインで入手できる。

関連論文リスト

• AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
  指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。 ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。 この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2022-11-25T05:10:39Z)
• WiFi Based Distance Estimation Using Supervised Machine Learning [0.0]
  近年、WiFiは人やデバイスを屋内で見つけるための主要な情報源となっている。 所定のWiFi指紋間の空間距離を測定することは、信号距離関数の選択によって大きく影響を受ける。 本研究では,指紋間の地理空間距離を推定するための機械学習の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-15T13:48:46Z)
• Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
  本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。 我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-14T17:05:59Z)
• Measuring Uncertainty in Signal Fingerprinting with Gaussian Processes Going Deep [3.631096739361516]
  本稿では,確率的位置決めによく用いられるガウス過程(GP)を概説し,信号指紋の不確実性をモデル化するためにGPを用いた際の落とし穴を指摘する。 本稿では,この問題に対するより情報的な代替手段として,ディープガウス過程(DGP)を提案する。 DGPが信号フィンガープリントの不確実性をシミュレートし、現実的に収集したデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-09-01T02:09:18Z)
• ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
  ProxyFAUGはルールベースで近接性に基づく指紋増強法である。 このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
  論文  参考訳（メタデータ） (2021-02-04T15:59:30Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• End-to-end User Recognition using Touchscreen Biometrics [11.394909061094463]
  目標は、モバイルデバイスの生データを使ってユーザーを透過的に識別できるエンドツーエンドシステムを作ることだった。 提案するシステムでは,タッチスクリーンからのデータはディープニューラルネットワークの入力に直接反映され,ユーザの同一性を決定することができる。
  論文  参考訳（メタデータ） (2020-06-09T16:38:09Z)
• Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
  既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。 本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。 提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
  論文  参考訳（メタデータ） (2020-05-12T15:51:59Z)

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。