标志”年代rc=

无线通信和移动计算
PDF
无线通信和移动计算/2018年/文章
特殊的问题

为未来的网络基础设施的发展流动

把这个特殊的问题

研究文章|开放获取

体积 2018年 |文章的ID 8956757 | https://doi.org/10.1155/2018/8956757

彭,彭,黛安, ”加强基于rss的室内定位精度通过利用环境的物理特征”,无线通信和移动计算, 卷。2018年, 文章的ID8956757, 8 页面, 2018年。 https://doi.org/10.1155/2018/8956757

加强基于rss的室内定位精度通过利用环境的物理特征

彭香,1 彭记,1 和 黛安张1

1广东省重点实验室的高性能计算机、深圳大学、深圳,中国

学术编辑器:魏王
收到了 2018年2月25日
接受 2018年5月04
发表 09年7月2018年

文摘

基于无线电信号强度的室内定位技术(RSS)吸引了许多研究者的关注,因为RSS可以很容易地通过无线设备无需额外的硬件。然而,这些技术往往是影响室内环境和多路径的现象。因此,精度很难提高。在本文中,我们提出一个方法,能够利用各种资源的本地化。除了传统的RSS信息环境的物理特性,如光线、温度、湿度和信息,都是用于本地化。构建一个全面的指纹后地图上面的信息,我们提出一种基于朴素贝叶斯算法来定位目标。实验结果表明,成功的定位精度可以大大超越传统纯粹基于rss的室内定位方法约39%。我们的方法有潜力改善所有基于射频(RF)的定位方法。

1。介绍

人们普遍认为室内定位是至关重要的许多服务应用程序和吸引了许多研究者的关注1- - - - - -6]。例如,室内导航帮助客户找到目的地的路径在一个大型购物中心。在医院建筑,病人可以很容易地发现和照顾如果室内定位技术应用。在地下停车场的地方,室内定位是有用的为人们找到他们的车辆。

在各种室内定位技术(7- - - - - -22),技术基于无线电信号强度(RSS)很受欢迎,因为RSS可以很容易地通过常见的无线设备(如无线传感器、手机)无需额外的硬件。然而,RSS是容易受到室内环境的影响,由于无线电信号是容易反射,折射,分散在各种室内物体‎(23]。因此,从一个发射机所发射的信号会到达接收机从许多不同的传播路径。这种现象称为多径现象。因此,尽管提出了许多改善工程,基于这些技术的定位精度很难提高。

为了克服这个缺点,我们提出一种方法,能够利用各种资源本地化。详细,除了传统的RSS信息,环境的物理特性,如光线、温度、湿度,都全面利用本地化。同时,介绍了没有多少额外的成本。

基本思想是构建一个全面的地图(5,24- - - - - -26]叫RTHL(意味着RSS,温度、湿度、光),这不仅涵盖了RSS的指纹信息,还包含了指纹的温度、湿度和光线在目标区域信息从不同的地方。图1显示了一个示例的基本思想。有一些参考传感器节点(标记为1,2,…,6)挂在天花板发射机。地面跟踪节点充当接收器。一开始的训练阶段,我们将构建RTHL地图,RSS,光照强度,温度,湿度信息接收机在不同的地方都是收集。在网上的阶段,我们可以利用我们的定位算法基于朴素贝叶斯准确定位目标对象。


图1
基本概念。

我们的实验是基于telosB 7传感器‎(27传感器,随机放置在一个8×10米2实验室。实验结果告诉我们,成功的定位精度大大优于传统的室内定位方法基于RSS约39%。

本文的主要贡献如下。首先,我们介绍不同的环境的物理特性来改善传统纯基于rss的室内定位的定位精度。其次,我们提出一个定位算法可以准确地定位目标。第三,全面执行低成本实验在不同的室内环境。最后但并非最不重要的是,我们的方法是一个通用的方法,有可能改善所有RF-based定位方法。

本文的其余部分组织如下。在下一节中,我们将介绍关于定位技术的相关工作。在接下来,我们将详细描述我们的方法。部分4将我们的定位系统实现和评价其性能。最后,我们将结束这个工作,指出一些可能的未来的工作方向。

有大量的室内定位技术利用RSS (1- - - - - -3,19- - - - - -21)或CSI信息(22,28- - - - - -32]。RSS信息可以很容易地获得常见的无线设备,如无线传感器和智能手机,因为它是一种可以获得免费的来源和没有任何成本。信道状态信息(CSI)也可以收集如果物理层信息可以访问。

基于rss技术,蓝牙16- - - - - -18,33,34)通常是嵌入在手机、个人数字助理(PDA),笔记本电脑,和其他便携式电子设备,定位精度是有限的。WLAN (1,11,26)已在许多公共场所,如医院和大学。大量的指纹识别技术提出了相应的改善定位精度。无线个域网技术(2,24,35能够定位目标通过传感器之间的相互沟通。在这些技术中,采用了大量的方法,包括机器学习算法和优化算法,以提高定位精度。然而,由于多路径的无线电信号很容易影响现象在室内环境中,定位精度很难提高。定位我们的工作介绍了其他环境特性,能够潜在地提高上述所有方法。

CSI信息(22,31日,32),因为它应该访问物理层信息,设备类型是有限的。无线设备通常选择在这样的技术和特殊的硬件接口通常应用。然而,在这些技术中,CSI信息也容易在室内环境中多径现象的影响。我们的工作也可以提高定位精度的技术。

也有一些其他作品引入惯性测量单元(IMU)设备。他们利用加速度计和陀螺仪的信息(36- - - - - -40从IMU)本地化。然而,这些并不适用所有的传感器设备。此外,我们的工作介绍了更多的环境功能,如温度、湿度、光和信息,在本地化。它可以给一个可选的选择一些特定的设备和使用IMU提高这些系统的定位精度。

Luxapose‎(41)是研究室内定位通过使用普通的智能手机,它需要稍微修改商业领导的名人。此外,它只使用一个单独的环境特性(光强)的本地化。如果是其他环境特性,可以进一步提高精度。SpyLoc [42定位系统利用声学和无线信息本地化。但是,如果更多的环境特性,比如我们的介绍,可以进一步提高定位精度。

3所示。方法

在本节中,我们将首先介绍我们的方法的基本思想。以下的详细算法来定位目标对象将被描述。

3.1。基本思想

在小节中,我们将展示物理特性可以帮助定位。我们执行一个初始实验基于一个发射机和接收机(TelosB两传感器传感器)。地面接收机放置在不同的位置有不同的距离发射机。TelosB自传感器传感器集成的光,温度和湿度传感器,我们能够收集RSS加上光强度,温度,湿度的信息接收器传感器。

如图2在不同的位置,我们可以观察到,在地面上,RSS,光照强度,温度,湿度信息都有差异。因此,如果我们可以利用这种差异的RSS和物理特征,我们可以基于RSS信息提高定位精度。


图2
观察基于一对发射机和接收机。
3.2。构建RTHL地图

因为我们将利用RSS、温度、湿度、光强度信息(RTHL)一起来定位目标,我们应该构建一个RTHL地图在离线阶段。首先,我们挂一个发射器的数量(例如,4中,我们将讨论如何设置这些值后分段)在天花板上。地面接收器被放置在不同的地方收集RTHL信息。这些信息将被发送回服务器。在每一个地方在地面上,我们可以得到一组向量一个我= (一个i1,一个i2、…一个在),我 (1,米),其中的价值n取决于参考节点的数量在天花板上+ 3物理特性值(接收器的光,温度和湿度)米在这种环境下是已知的地方。考虑不同的RSS和物理特性的差异信息,为每个属性一个ij,我 (1,米),j (1,n),我们运行一个Min-Max标准化消除方差;然后RTHL地图可以构建。

3.3。朴素贝叶斯算法

RTHL地图建立后,在网上阶段,当目标作为接收方出现在相同的环境中,定位算法能够进行基于RTHL地图。详细的算法将在下面介绍。

在我们的系统中,使用朴素贝叶斯分类,我们看到RTHL地图的不同位置的坐标系称为一个类别C我,假设有米地点,我 (1,米)。当跟踪节点进入环境,它将收到RSS信息从不同的参考节点,感受到当地的温度,湿度以及光强信息。所有这些信息都由一个向量表示X= (x1,x2、…xn),其中的价值n是参考节点的数量在天花板上+ 3物理特性值。定位算法主要可以分为以下两个步骤。

步骤1。计算P(C1/X),P(C2/X),…P(C我/X),P(C米/X),我 (1,米),P(C我/X)的概率是C我鉴于X。

步骤2。如果 , , ,k (1,米),我们认为的范畴X是Ck,这是计算目标的位置。

个人条件概率一步1可以通过以下计算。

(1)首先,所有项目的类别的训练样本集是已知的。因此,我们可以得到每个特征属性在不同类别的条件概率统计方法,表示为

(2)由于各特征属性是相互独立的条件下,我们可以获得以下通过朴素贝叶斯理论: 在哪里P(C我)是一类的概率C我和P(X)的概率是X。

在公式(2),因为分母为所有类别是一个常数,我们只是需要分子最大化。每个属性无关的条件;根据公式(2),我们就可以知道

因此,与已知训练样本及其分类,我们可以计算公式的结果(3)。根据最大价值,我们可以确定哪些类别X属于。由于信号强度是连续分布在室内空间中,每个特征属性的值服从高斯分布: 在这里,我们知道

因此,使用公式(3),(4)和(5),我们可以得到的范畴X。因为我们提前知道每个类别的坐标,可以获得跟踪节点的坐标。

4所示。实验和评价

在本节中,我们首先介绍我们的系统的实验环境,然后显示性能评估。

4.1。实验设置

我们在实验室进行实验,其面积8×10平方米,如图3。telosB我们利用传感器传感器的无线节点,由无线电芯片CC2420和MSP430单片机(43]。这种传感器能够得到RSS信息来自其他传感器、光照强度、湿度和温度的局部区域。我们计划6传感器参考节点周期性地广播信标。参考节点被挂在天花板上。默认的传动功率等于0dBm。默认频道是11。地面跟踪节点充当接收器。


图3
实验环境。

起初,在离线阶段,我们建立一个RTHL指纹地图组成的RSS的参考节点,温度、湿度、光照强度信息的实验室环境。后来在网上阶段,当跟踪节点进入环境,它收到的RSS信息参考节点。它可以感知当地温度、湿度、光强度信息和传送回水槽。服务器运行我们的定位算法计算的位置跟踪节点基于RTHL地图。

4.2。参考节点的数量的影响

起初,为了调查参考节点的数量将如何影响定位结果,我们执行实验基于不同数量的参考节点从3到6。我们选择3作为初始测试数量,因为3是参考节点的最小数量在大多数fingerprint-based定位算法。

如图4所示,我们可以看到,当选择的参考节点数是3,4,5,6,平均2.05错误米,2.11米,2.18米,和1.96米,分别。我们发现,在一般情况下,参考节点的数量增加时,定位错误会减少。当参考节点的数量设置为6,定位误差是最小的。


图4
比较不同数量的参考节点。

因此,后来在我们的实验中,我们使用6参考节点设置。

4.3。光强度的影响

在本节中,我们将研究多少光强度特性将提高定位精度。关于这是一个时变因素,光强度信息通常在日间和夜间是不同的,我们在这样的两个场景进行我们的实验。环境一个代表白天在我们实验室环境B代表了夜间在同一个地方。基于40测试样本,图5给出了实验结果。我们发现利用光强度信息的定位精度比只是使用RSS信息。在白天,定位精度提高了15%以上,这可能是由于以下原因。因为白天环境通常充满了阳光,在实验室的地方靠近窗口通常有更高的光强度信息。因此,不同实验室的光强度可能不同很多地区。然而,在夜间,光从灯通常均匀分布导致光强度信息没有很大的不同在不同的地方。通常大的方差在RTHL指纹图谱对定位精度将作出更大贡献。


图5
光强度的影响。

总之,我们发现,当利用光强度信息,可以提高定位精度。如果环境有足够的光强度变化在不同的地方,可以进一步提高定位精度约为30%。

4.4。温度的影响

在本节中,我们将调查多少室内温度将提高定位精度。我们还执行两天我们的实验和夜间。基于40测试样品,实验结果如图6。我们发现,温度信息的帮助下,定位精度可以提高10%的日夜环境。我们也观察到,无论在白天还是夜晚环境中,定位精度的提高两个环境没有很大的区别。原因是可能的,室内面积通常有空调。因此,几乎没有温度之间的差异不同的地方。只有靠近空调的地方比其他地方可能有较低的温度。


图6
温度的影响。

总之,我们知道温度信息可以提高定位精度约10%。如果在其他温度较高的室内面积差异在不同的地方,我们相信可以进一步提高定位精度。

4.5。湿度的影响

在本节中,我们将探索多少室内湿度将会改善定位精度。我们还执行我们的实验在一天和夜晚。基于40测试样品,我们可以看到实验结果图7。它显示了湿度信息可以帮助改善定位精度在10%左右,不管环境一个或环境b为什么湿度的原因并不显著提高定位精度可能是常见的室内面积有空调,导致湿度信息在不同的实验室区域没有很大的区别。


图7
湿度的影响。

总之,湿度信息能够提高定位精度。我们相信,如果在一个地区的湿度有很大的不同在不同的地方,可以进一步提高定位精度。

4.6。定位精度

在本节中,我们利用RSS和所有的环境因素(光照强度,温度和湿度)的本地化。传统方法的准确性仅使用RSS 1.96米,而我们的系统是1.19米如图,其精度比较8。算法运行结果如图9。蓝色恒星的数量是真正的跟踪节点的位置,和红色的星星数量的计算通过使用我们的系统。


图8
(CDF)精度比较。

图9
定位的结果。
4.7。延迟

延迟我们的系统主要取决于每个节点的灯塔间隔。在我们的实验中,为了避免碰撞在数据传输过程中,导致数据包丢失,我们参考节点的广播间隔设置为0.2年代与51个字节传输一个数据包。其他时间,例如,算法运行时间在服务器部分,是被忽视的。因此,延迟大约是0.2年代。

4.8。讨论

实际上在我们的方法中,有多少将大大提高定位精度取决于不同的环境。我们的实验是在一个相对封闭的区域。关于不同的因素,我们有以下建议。

在这样的地区,整个地区的湿度相对统一,导致湿度特性减少对定位精度的影响。我们相信,如果在不同的大型室内复杂环境,改善可能会更大。

的温度特性,在我们的环境中,靠近空调的温度相对较低。我们相信这些特性会造成很多的空调永远是在封闭的环境中。

关于光强度特性在晚上在我们的环境中,使用人工照明,光强度在不同的地方是不同的。例如,一个地方接近一把椅子或桌子下有一个弱的光强度。这样的特性会造成很多的环境,如果环境没有相对稳定的光源。然而,如果在一个开放的区域变化的光源,例如,太阳光线在白天,我们建议不使用这样的功能定位。也是光强度的原因不贡献太多白天我们的实验中,因为我们实验室有许多敞开的窗户。

总之,我们的方法给出了通解引入更多本地化的环境特性。如何选择这些特性在一个特定的环境取决于细节条件在这样的环境中。用户可以选择这些功能将贡献最多的本地化。我们相信我们的方法是能够潜在地提高所有基于rss的定位技术。

5。结论和未来的工作

在本文中,我们提出了一个方法,可以改善传统基于rss的室内定位精度通过利用各种环境的物理特性,如光线、温度、湿度信息。通过构建一个全面的指纹地图上面的信息,朴素贝叶斯算法用于本地化的目标。我们实现我们的系统基于无线传感器网络的两个不同的环境中。相比,实验结果表明,与传统的室内定位方法基于RSS信息,我们基于朴素贝叶斯方法可以提高定位精度约39%。

作为未来的工作,首先,我们将尝试我们的方法在一个更复杂的大型室内区域。因此,环境功能可能不同很多不同的地方,这可能提高定位精度。此外,我们可以使用高精密光、温度和湿度传感器来做实验,以获得更高的精度。最后,我们将我们的系统在一个3D区域。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究的部分支持由深圳孔雀人才给予827 - 000175年和中国国家自然科学基金委资助61202377和U1301251。黛安张是通讯作者。

引用

  1. m . Kotaru k . Joshi d Bharadia et al .,“SpotFi:分米级定位使用WiFi,”Acm Sigcomm计算机通信评审,45卷,不。5,269 - 282年,2015页。视图:谷歌学术搜索
  2. j . d . Zhang马,问:陈和l . m .倪“RF-based系统跟踪transceiver-free对象,”学报》第五届IEEE国际会议上普适计算和通信(PerCom ' 07)2006年3月,页135 - 144。视图:出版商的网站|谷歌学术搜索
  3. 郭x, d .张、吴k和l . m .倪”MODLoc:本地化多个对象动态室内环境,”IEEE并行和分布式系统,25卷,不。11日,第2980 - 2969页,2014年。视图:出版商的网站|谷歌学术搜索
  4. 吴,z, y刘et al .,”威尔:无线室内定位没有网站调查,“IEEE并行和分布式系统,24卷,不。4、839 - 848年,2013页。视图:谷歌学术搜索
  5. s .苏鲁尔y Lostanlen, s Valaee et al .,“联合室内定位和无线电地图建设部署有限的负载,”移动计算IEEE事务,14卷,不。5,1031 - 1043年,2013页。视图:谷歌学术搜索
  6. 工程学系。荣格在公元前。月亮,d .汉”,非监督学习无线网络众包室内定位,“IEEE移动计算,15卷,不。11日,第2906 - 2892页,2016年。视图:出版商的网站|谷歌学术搜索
  7. r . Mautz“室内定位技术”,Sudwest -德国-毛皮Hochschulschriften,2012年。视图:谷歌学术搜索
  8. d·杨,h . Gonzalez-Banos和l . Guibas“数人在人群中与一个简单的图像传感器,实时网络”IEEE计算机视觉国际会议1卷,第129 - 122页,2003年。视图:谷歌学术搜索
  9. 问:Cai和j . Aggarwal”自动跟踪人体运动在室内场景多个同步视频流,”《计算机视觉国际会议,第362 - 356页,2002年。视图:谷歌学术搜索
  10. t . Kivimaki t Vuorela、p . Peltola和j . Vanhala”回顾device-free被动室内定位方法,”国际智能家居杂志》上,8卷,不。1,第94 - 71页,2014。视图:出版商的网站|谷歌学术搜索
  11. m·胡贝尔f·卡曼加,i Chlamtac”室内位置跟踪使用RSSI阅读从一个无线接入点,”无线网络,13卷,不。2、221 - 235年,2007页。视图:出版商的网站|谷歌学术搜索
  12. y y . Wang j . Liu, m . Gruteser j .杨和h·刘,“E-eyes: Device-free面向位置活动识别使用细粒度的WiFi签名”诉讼20 ACM一年一度的移动计算和网络国际会议上,MobiCom 2014,页617 - 628,美国2014年9月。视图:出版商的网站|谷歌学术搜索
  13. j·s·李,y . w . Su, c . c .沈,“无线协议的比较研究:蓝牙、超宽频、无线个域网,wi - fi,”学报》第33届IEEE会议电子工业协会(IECON ' 07),46-51,2008页。视图:出版商的网站|谷歌学术搜索
  14. c·s·詹森·h·卢,杨,“基于图模型的室内跟踪”学报第十届国际会议上移动数据管理:系统、服务和中间件(MDM ' 09)2009年5月,页122 - 131。视图:出版商的网站|谷歌学术搜索
  15. c·延森S、h . Lu和b·杨”索引中移动对象的轨迹象征性的室内空间,”进步在时空数据库中卷,5644在计算机科学的课堂讲稿施普林格,页208 - 227年,柏林,德国,2009年。视图:出版商的网站|谷歌学术搜索
  16. 美国Feldmann, k . Kyamakya a Zapater et al .,“一个基于蓝牙室内定位系统:概念、实现和实验评估,”《国际会议上无线网络,Icwn 03,第113 - 109页,2003年。视图:谷歌学术搜索
  17. 顾y l .全f . Ren, j·李,“快速室内定位的智能手持设备使用蓝牙,”学报第十届IEEE国际会议上的移动自适应传感器网络,MSN的14,第194 - 186页,2015年。视图:出版商的网站|谷歌学术搜索
  18. j·s·李,y . w . Su, c . c .沈,“无线协议的比较研究:蓝牙、超宽频、无线个域网,wi - fi,”学报》第33届IEEE会议电子工业协会(IECON ' 07),页46-51,台北,台湾,2007年11月。视图:出版商的网站|谷歌学术搜索
  19. x, y, w . Hu l .歌曲,z顾,d·李,“WarpMap:准确、高效的室内位置的动态变形序列类型Radio-Map,”学报2016年第13届IEEE国际会议传感、通信、和网络(SECON),页1 - 9,伦敦,英国,2016年6月。视图:出版商的网站|谷歌学术搜索
  20. m . n .召集人和李,“高性能室内接收信号强度位置wi - fi指纹使用不变,“Husen2016High, 1 - 6, 2016页。视图:谷歌学术搜索
  21. 黄y, y . j . Zhang et al .,“Gradient-based指纹对于室内定位和跟踪,IEEE工业电子产品,卷63,不。4、2424 - 2433年,2016页。视图:出版商的网站|谷歌学术搜索
  22. l . x Wang高、毛s和s Pandey,“CSI-Based指纹室内定位:深度学习的方法,”IEEE车辆技术,卷66,不。1,第776 - 763页,2017。视图:出版商的网站|谷歌学术搜索
  23. “各种室内对象”,http://en.wikipedia.org/wiki/Indoor_positioning_system。视图:谷歌学术搜索
  24. p·巴尔和v . n . Padmanabhan”雷达:在建RF-based用户位置和跟踪系统,”学报19 IEEE联合年会IEEE计算机和通信的社会(INFOCOM ' 00),卷2,页775 - 784,IEEE,特拉维夫,以色列,2000年3月。视图:出版商的网站|谷歌学术搜索
  25. y, p . Coue y黄,j . Zhang p . Cheng和j·陈,“G-Loc:基于室内定位利用梯度指纹地图”IEEE INFOCOM学报》2014年IEEE计算机通讯大会上车间(INFOCOM WKSHPS)130年,页129 - 2014年4月,加拿大,多伦多。视图:出版商的网站|谷歌学术搜索
  26. m·优素福,a . Agrawala“何鲁斯WLAN位置确定系统”第三届国际会议在移动系统的程序,应用程序和服务(MobiSys 05)ACM,页205 - 218年,2005年6月。视图:出版商的网站|谷歌学术搜索
  27. http://www.memsic.com/userfiles/files/Datasheets/WSN/telosb_datasheet.pdf.telosB。
  28. j . k . Wu, y易et al .,“CSI-Based室内定位,”IEEE并行分布式系统,24卷,不。7,1300 - 1309年,2013页。视图:出版商的网站|谷歌学术搜索
  29. j . k . Wu, y易et al .,“斐乐:细粒度的室内定位,”《IEEE计算机通讯大会上(信息通信的12)卷,131年,第2218 - 2210页,2012年3月。视图:出版商的网站|谷歌学术搜索
  30. j .小k . Wu y易et al .,“飞行员:被动device-free室内定位使用信道状态信息,”IEEE 33学报》国际会议分布式计算系统(ICDCS 13)2013年7月,页236 - 245。视图:出版商的网站|谷歌学术搜索
  31. w·k·阿里,a . x Liu Wang和m·沙赫扎德,“击键识别使用WiFi信号”诉讼21年的移动计算和网络国际会议上,MobiCom 2015,页90 - 102,法国,2015年9月。视图:出版商的网站|谷歌学术搜索
  32. m . w . Wang a . x Liu沙赫扎德et al .,“理解人类活动和建模基于无线信号的识别,”诉讼21年的移动计算和网络国际会议上,MobiCom 20152015年9月,页65 - 76。视图:出版商的网站|谷歌学术搜索
  33. m . Altini d·布鲁内利、大肠Farella和l . Benini“蓝牙室内定位与多个神经网络,”学报第五届国际研讨会无线普适计算(ISWPC 10)IEEE,页295 - 300年,摩德纳,意大利,2010年5月。视图:出版商的网站|谷歌学术搜索
  34. y王,问:你们,j . Cheng和l . Wang“RSSI-Based蓝牙室内定位,”第11届国际会议上移动ad - hoc学报》和传感器网络,MSN 20152015年12月,页165 - 171。视图:出版商的网站|谷歌学术搜索
  35. j .票数l . Muguira j . Lopez-Garde et al .,“环境适应ZigBee-based室内定位算法,”学报》国际会议室内定位和室内导航,1 - 8,2010页。视图:谷歌学术搜索
  36. h . Lategahn m以下,j·齐格勒和c·斯蒂勒”的城市定位相机和惯性测量单元,”学报2013年IEEE智能车辆研讨会,第四IEEE 2013来自,页719 - 724年,2013年6月。视图:出版商的网站|谷歌学术搜索
  37. y南,“地图室内人本地化使用惯性测量单元,“信息科学与工程》杂志上,27卷,不。4、1233 - 1248年,2011页。视图:谷歌学术搜索
  38. 学术界。许和学术界。Yu”,为室内定位,基于加速度计的方法”诉讼的座谈会和研讨会上无处不在,自主和可信计算与UIC 09年和09年ATC会议、UIC-ATC 2009来自,页223 - 227年,2009年7月。视图:出版商的网站|谷歌学术搜索
  39. j .鸟和d·雅顿”室内导航foot-mounted捷联式惯性导航和磁传感器,”IEEE无线通讯杂志,18卷,不。2,28-35,2011页。视图:出版商的网站|谷歌学术搜索
  40. h . Myung h·李,k . Choi et al .,“移动机器人定位与陀螺仪和约束卡尔曼滤波器,”《IEEE / RSJ智能机器人和系统国际会议,第447 - 442页,2010年。视图:谷歌学术搜索
  41. Y.-S。郭,p . Pannuto k .萧等。Luxapose:室内定位与移动电话和可见光,2014年。
  42. m . Uddin t·纳迪姆,“SpyLoc:重量轻智能手机定位系统,”模糊集和系统,卷103,不。2、303 - 315年,2013页。视图:谷歌学术搜索
  43. a . Milenkovićc·奥托,大肠Jovanov“个人健康监测的无线传感器网络:问题和一个实现,”计算机通信卷,29号13 - 14日,第2533 - 2521页,2006年。视图:出版商的网站|谷歌学术搜索

版权©2018彭香等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。

更多相关文章

PDF 下载引用 引用
下载其他格式更多的
ePub
XML
订单打印副本订单
的观点1114年
下载467年
引用

相关文章