Design and optimization of indoor optical wireless positioning systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Optical wireless (OW) technologies are an emerging field utilizing optical sources to replace existing radio wavelength technologies. The vast majority of work in OW focuses on communication; however, one smaller emerging field is indoor OW positioning. This emerging field essentially aims to replace GPS indoors. One of the primary competing methods in indoor OW positioning is angle-of-arrival (AOA). AOA positioning uses the received vectors from several optical beacons to triangulate its position. The reliability of this triangulation is fundamentally based on two aspects: the geometry of the optical receiver’s location compared to the optical beacon locations, and the ability for the optical receiver to resolve the incident vectors correctly. The optical receiver is quantified based on the standard deviation of the azimuthal and polar angles that define the measured vector. The quality of the optical beacon geometry is quantified using dilution of precision (DOP). This proceeding discusses the AOA standard deviation of an ultra-wide field-of-view (FOV) lens along with the DOP characteristics for several optical beacon geometries. The optical beacon geometries used were simple triangle, square, and hexagon optical beacon geometries. To assist the implementation of large optical beacon geometries it is proposed to use both frequency and wavelength division multiplexing. It is found that with an ultra-wide FOV lens, coupled with the appropriately sized optical beacon geometry, allow for high accuracy positioning over a large area. The results of this work will enable reliable OW positioning deployments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle