Metoda lokalizacji uwzględniająca charakterystyczne trajektorie ruchu

• Autorzy: Kołakowski Marcin

Identyfikatory

DOI

10.15199/59.2024.4.30

Warianty tytułu

EN

Positioning method considering characteristic movement trajectories

• Konferencja: Konferencja Radiokomunikacji i Teleinformatyki (11-13.09.2024 ; Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

W referacie zaprezentowano koncepcję metody lokalizacji przemieszczającej się osoby za pomocą smartfona. Metoda wykorzystuje dane z sensorów inercyjnych i pomiary poziomu sygnałów WiFi oraz fakt, że ze względu na ograniczenia przestrzenne część trajektorii ruchu może być zaobserwowana jedynie w wybranych miejscach.

EN

The paper presents a smartphone-based method for indoor positioning of a moving person. The method uses data from inertial sensors and WiFi signals power measurements. The method utilizes a fact that in indoor environment, the movement trajectories are constrained by obstacles and some patterns can be observed only in selected places.

Słowa kluczowe

PL

lokalizacja wewnątrzbudynkowa; uczenie maszynowe; WiFi

EN

indoor positioning; machine learning; WiFi

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2024
• Tom: nr 4
• Strony: 151--154
• Opis fizyczny: Bibliogr. 7 poz., rys.

Twórcy

autor

Kołakowski Marcin

• Instytut Radioelektroniki i Technik Multimedialnych, Politechnika Warszawska, Warszawa

Bibliografia

• [1] Al Mamun Md Abdullah, Rasit Yuce Mehmet, 2021, „Map-Aided Fusion of IMU PDR and RSSI Fingerprinting for Improved Indoor Positioning”.2021 IEEE Sensors: pp. 1-4, doi: 10.1109/SEN-SORS47087.2021.9639778
• [2] Chen Geng i in., 2023, „A Review of Device-Free Indoor Positioning for Home-Based Care of the Aged: Techniques and Technologies”. Computer Modeling in Engineering & Sciences, 135 (3): 1901–1940, doi: 10.32604/cmes.2023.024901
• [3] Ghaou Mohamed Anis i in., 2023, „Human Motion Likelihood Representation Map-Aided PDR Particle Filter”. IEEE Sensors Journal, 23 (1): 484-494, doi: 10.1109/JSEN.2022.3222639
• [4] Jackermeier Robert, Ludwig Bernd, 2019, „Door Transition Detection for Long-Term Stability in Pedestrian Indoor Positioning”. 2019 International Conference on Indoor Positioning and Indoor Navigation (IPIN): 1–8, doi: 10.1109/IPIN.2019.8911810
• [5] Kołakowski Marcin i in., 2024, „Wrist-to-Tibia/Shoe Inertial Measurement Results Translation Using Neural Networks”. Sensors 24 (1): 293, doi: 10.3390/s24010293
• [6] Ramadhan Hani i in., 2019, „Extracting valid indoor semantic trajectories using movement constraints”. 2019 IEEE International Conference on Big Data: 6201-6202, doi: 10.1109/BigData47090.2019.9006105
• [7] Stavropoulos Thanos G. i in., 2020, „IoT Wearable Sensors and Devices in Elderly Care: A Literature Review”. Sensors, 20 (10) : 2826, doi: 10.3390/s20102826