論文の概要: SALC: Skeleton-Assisted Learning-Based Clustering for Time-Varying
Indoor Localization
- arxiv url: http://arxiv.org/abs/2307.07650v1
- Date: Fri, 14 Jul 2023 22:55:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 18:46:24.582664
- Title: SALC: Skeleton-Assisted Learning-Based Clustering for Time-Varying
Indoor Localization
- Title（参考訳）: salc:スケルトン支援学習に基づく屋内位置推定のためのクラスタリング
- Authors: An-Hung Hsiao, Li-Hsiang Shen, Chen-Yi Chang, Chun-Jie Chiu, Kai-Ten
Feng
- Abstract要約: RSS指向の地図支援クラスタリング(ROMAC)とクラスタスケール位置推定(CsLE)を含むスケルトン支援学習型クラスタリングシステムを提案する。
シミュレーションおよび実験結果から,提案したSALCシステムは,位置推定精度を向上して,指紋データベースを効率的に再構築できることが示されている。
- 参考スコア（独自算出の注目度）: 3.9373541926236757
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wireless indoor localization has attracted significant amount of attention in
recent years. Using received signal strength (RSS) obtained from WiFi access
points (APs) for establishing fingerprinting database is a widely utilized
method in indoor localization. However, the time-variant problem for indoor
positioning systems is not well-investigated in existing literature. Compared
to conventional static fingerprinting, the dynamicallyreconstructed database
can adapt to a highly-changing environment, which achieves sustainability of
localization accuracy. To deal with the time-varying issue, we propose a
skeleton-assisted learning-based clustering localization (SALC) system,
including RSS-oriented map-assisted clustering (ROMAC), cluster-based online
database establishment (CODE), and cluster-scaled location estimation (CsLE).
The SALC scheme jointly considers similarities from the skeleton-based shortest
path (SSP) and the time-varying RSS measurements across the reference points
(RPs). ROMAC clusters RPs into different feature sets and therefore selects
suitable monitor points (MPs) for enhancing location estimation. Moreover, the
CODE algorithm aims for establishing adaptive fingerprint database to alleviate
the timevarying problem. Finally, CsLE is adopted to acquire the target
position by leveraging the benefits of clustering information and estimated
signal variations in order to rescale the weights fromweighted k-nearest
neighbors (WkNN) method. Both simulation and experimental results demonstrate
that the proposed SALC system can effectively reconstruct the fingerprint
database with an enhanced location estimation accuracy, which outperforms the
other existing schemes in the open literature.
- Abstract（参考訳）: 近年,ワイヤレス屋内局地化が注目されている。
WiFiアクセスポイント(AP)から得られる受信信号強度(RSS)を用いて指紋データベースを確立することは、屋内のローカライゼーションにおいて広く利用されている手法である。
しかし, 屋内測位系における時間変化問題は, 既存の文献ではよく研究されていない。
従来の静的フィンガープリントと比較して,動的に再構成されたデータベースは高度に変化する環境に適応できるため,局所化精度の持続性が期待できる。
本稿では,sns指向のmap-assisted clustering (romac) ,クラスタベースのオンラインデータベース構築 (code) およびクラスタスケールドロケーション推定 (csle) を含む,スケルトン支援学習型クラスタリングローカライズ (salc) システムを提案する。
SALCスキームは、骨格に基づく最短経路(SSP)と基準点(RP)間の時間変化RSS測定との類似性を共同で検討している。
ROMACクラスタRPを異なる特徴セットに分割し、位置推定を強化するために適切な監視ポイント(MP)を選択する。
さらに, 適応型指紋データベースの確立を目標とし, タイムバランシング問題を緩和する。
最後に、重み付けkネアレスト近傍(wknn)法からの重み付けを再スケールするために、クラスタリング情報と推定信号変動の利点を利用して目標位置を取得するcsleを採用する。
シミュレーションおよび実験結果から,提案したSALCシステムは,位置推定精度を向上して,指紋データベースを効率的に再構築できることを示した。
関連論文リスト
- A Variational Auto-Encoder Enabled Multi-Band Channel Prediction Scheme
for Indoor Localization [11.222977249913411]
周波数領域から室内指紋位置決めの精度を向上する手法を提案する。
オフィスシナリオから収集したCOST 2100シミュレーションデータと実時間周波数分割多重化(OFDM)WiFiデータに基づいて提案手法を検証した。
論文 参考訳（メタデータ） (2023-09-19T08:19:34Z) - Constructing Indoor Region-based Radio Map without Location Labels [18.34037687586167]
本稿では、位置ラベルを使わずに受信信号強度(RSS)測定から地域ベースの無線マップを開発する。
構築は、屋内エリアの各地域を正確に1度訪問するデバイスから、盲目的に収集されたRSS測定データに基づいて行われる。
提案手法は, 重み付きセントロイド局在化(WCL)ベースラインと比較して, 領域の局所化誤差を約50%削減する。
論文 参考訳（メタデータ） (2023-08-31T14:27:36Z) - On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。
本稿では,密集市街地における局所化問題について検討する。
まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文 参考訳（メタデータ） (2022-11-28T00:31:02Z) - On the Multidimensional Augmentation of Fingerprint Data for Indoor
Localization in A Large-Scale Building Complex Based on Multi-Output Gaussian
Process [3.8310036898137296]
Wi-Fiフィンガープリンティングは、大規模な屋内ローカライゼーションの主流のソリューションとなる。
位置化指紋の測定における基準点(RP)の数と分布は精度に大きな影響を及ぼす。
データ拡張は、RPの少ない数と不均一な分布を改善するための実現可能なソリューションとして提案されている。
論文 参考訳（メタデータ） (2022-11-19T10:07:17Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - Local Sample-weighted Multiple Kernel Clustering with Consensus
Discriminative Graph [73.68184322526338]
マルチカーネルクラスタリング(MKC)は、ベースカーネルの集合から最適な情報融合を実現するためにコミットされる。
本稿では,新しい局所サンプル重み付きマルチカーネルクラスタリングモデルを提案する。
実験により, LSWMKCはより優れた局所多様体表現を有し, 既存のカーネルやグラフベースのクラスタリングアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2022-07-05T05:00:38Z) - 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) - A SPA-based Manifold Learning Framework for Motor Imagery EEG Data
Classification [2.4727719996518487]
本稿では,運動画像(MI)タスクから2種類の脳波データを分類するための多様体学習フレームワークを提案する。
特徴抽出のために、前処理された脳波信号から共通空間パターン(CSP)によって実装される。
分類のための特徴の近傍では、データの支持に対する局所近似が得られ、次に最も近い支持を持つクラスに特徴が割り当てられる。
論文 参考訳（メタデータ） (2021-07-30T06:18:05Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳（メタデータ） (2021-06-23T17:27:04Z) - 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。