論文の概要: RFID-Assisted Indoor Localization Using Hybrid Wireless Data Fusion

• arxiv url: http://arxiv.org/abs/2308.02410v1
• Date: Fri, 28 Jul 2023 12:02:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 01:37:27.169541
• Title: RFID-Assisted Indoor Localization Using Hybrid Wireless Data Fusion
• Title（参考訳）: ハイブリッド無線データ融合によるrfid支援屋内定位
• Authors: Abouzar Ghavami, Ali Abedi
• Abstract要約: 屋内環境における物体追跡にはワイヤレス位置決めが不可欠である。 Internet of Things(IoT)は、さまざまな無線通信プロトコルを通じてローカライズを可能にする。 本稿では、RFID(Radio Frequency Identification)トラッキングデバイスと複数のIoT無線技術を用いたハイブリッド区間を用いた屋内位置推定手法を提案する。
• 参考スコア（独自算出の注目度）: 0.5753274939310764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wireless localization is essential for tracking objects in indoor environments. Internet of Things (IoT) enables localization through its diverse wireless communication protocols. In this paper, a hybrid section-based indoor localization method using a developed Radio Frequency Identification (RFID) tracking device and multiple IoT wireless technologies is proposed. In order to reduce the cost of the RFID tags, the tags are installed only on the borders of each section. The RFID tracking device identifies the section, and the proposed wireless hybrid method finds the location of the object inside the section. The proposed hybrid method is analytically driven by linear location estimates obtained from different IoT wireless technologies. The experimental results using developed RFID tracking device and RSSI-based localization for Bluetooth, WiFi and ZigBee technologies verifies the analytical results.
• Abstract（参考訳）: 屋内環境における物体追跡には無線定位が不可欠である。 Internet of Things(IoT)は、さまざまな無線通信プロトコルを通じてローカライズを可能にする。 本稿では、RFID(Radio Frequency Identification)トラッキングデバイスと複数のIoT無線技術を用いたハイブリッド区間を用いた屋内位置推定手法を提案する。 RFIDタグのコストを削減するため、各区間の境界にのみタグを設置する。 RFID追跡装置はセクションを特定し、提案した無線ハイブリッド方式はセクション内のオブジェクトの位置を検出する。 提案手法は、異なるIoT無線技術から得られた線形位置推定により解析的に駆動される。 rfid追跡装置とrssiベースのbluetooth, wifi, zigbee技術を用いた実験により, 解析結果が検証された。

関連論文リスト

• Reverse Engineering and Security Evaluation of Commercial Tags for RFID-Based IoT Applications [0.9999629695552193]
  本稿では、RFIDベースのIoTシステムで見られる最も一般的な欠陥について概説する。 第二に、そのような欠陥の検出と緩和を容易にする新しい手法を提示する。 第3に、最新のRFIDセキュリティツールを分析し、提案手法をその1つを通して適用し(Proxmark 3)、検証する。
  論文  参考訳（メタデータ） (2024-02-05T23:55:46Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Machine Learning Methods for Device Identification Using Wireless Fingerprinting [1.0499611180329804]
  本稿では,無線指紋を用いたデバイス識別のための機械学習アルゴリズムについて検討する。 私たちは、関連するデータセットを設計、実装、デプロイ、収集し、さまざまな機械学習アルゴリズムを訓練し、テストします。 提案されたソリューションは現在,H2020プロジェクトであるCOLLABSの一部として,現実のIoT環境にデプロイされている。
  論文  参考訳（メタデータ） (2022-11-03T16:42:41Z)
• Look, Radiate, and Learn: Self-Supervised Localisation via Radio-Visual Correspondence [1.6219158909792257]
  次世代の携帯電話ネットワークは、無線センシング機能と慣用通信を実装している。 我々は、無線の正確な位置決めを容易にする合成無線視覚データセットとベンチマークであるMaxRayを提示する。 無線ローカライザネットワークのトレーニングには,このような自己監督座標を用いる。
  論文  参考訳（メタデータ） (2022-06-13T19:08:36Z)
• UAV-aided RF Mapping for Sensing and Connectivity in Wireless Networks [52.14281905671453]
  無人航空機(UAV)を空飛ぶ無線アクセスネットワーク(RAN)ノードとして使用することは、従来の固定地上配備を補完する。 無線マッピングは、この課題に関連する課題の1つであり、ここでは無線マッピングと呼ばれている。 接続性, センサ性, ローカライゼーション性能の観点から, 無線マッピングによる利点を示す。
  論文  参考訳（メタデータ） (2022-05-06T16:16:08Z)
• DeepCSI: Rethinking Wi-Fi Radio Fingerprinting Through MU-MIMO CSI Feedback Deep Learning [15.160442408342407]
  DeepCSIは、MU-MIMO Wi-Fiデバイスを認証するWi-Fi無線指紋認証の新しいアプローチだ。 市販機器を用いた大規模データ収集キャンペーンを通じて,DeepCSIの性能を広範囲に評価した。 実験結果から、DeepCSIは98%の精度で送信機を正確に識別することがわかった。
  論文  参考訳（メタデータ） (2022-04-15T18:59:29Z)
• 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)
• The Tags Are Alright: Robust Large-Scale RFID Clone Detection Through Federated Data-Augmented Radio Fingerprinting [11.03108444237374]
  本稿では、RFIDクローン検出の精度を高めるために、フェデレーション機械学習(FML)とデータ拡張(DAG)に基づく新しいトレーニングフレームワークを提案する。 我々の知る限り、大規模なデバイス群に対するFMLとDAの有効性を実験的に実証した最初の論文である。
  論文  参考訳（メタデータ） (2021-05-08T10:48:02Z)
• OpenCSI: An Open-Source Dataset for Indoor Localization Using CSI-Based Fingerprinting [73.9222625243696]
  フィンガープリントに基づくローカライゼーション手法はこの問題の解決法を提案するが、取得に労力を要する無線マップに依存している。 ソフトウェア定義無線(SDR)と車輪付きロボットを用いて,無線マップ取得フェーズを自動化する。 本研究では,畳み込みニューラルネットワークを用いて位置座標を推定する最初の局在化実験について述べる。
  論文  参考訳（メタデータ） (2021-04-16T08:31:46Z)
• Wireless for Machine Learning [91.13476340719087]
  我々は、分散データセット上で機械学習サービスをサポートするように設計された最先端のワイヤレス手法について、徹底的にレビューする。 文献にはアナログ・オーバー・ザ・エア計算とMLに最適化されたデジタル無線リソース管理という2つの明確なテーマがある。 このサーベイは、これらのメソッドを包括的に紹介し、最も重要な研究をレビューし、オープンな問題を強調し、アプリケーションのシナリオについて議論する。
  論文  参考訳（メタデータ） (2020-08-31T11:09:49Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。