MétaCan
Menu
Retour à la cohorte
Enregistrement W2991310872 · doi:10.3390/app9235027

A Novel Localization Technique Using Luminous Flux

2019· article· en· W2991310872 sur OpenAlexaff
Muhammad Irshad, Wenyuan Liu, Jehangir Arshad, Sohail M. Noman, Aparna Murthy, Maryam Khokhar, Muhammad Musa Uba

Notice bibliographique

RevueApplied Sciences · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensProfessional Engineers Ontario
Organismes subventionnairesYanshan UniversityNational Natural Science Foundation of China
Mots-clésDilution of precisionComputer scienceOptical wirelessSatellite systemNon-line-of-sight propagationMean squared errorRSSWirelessGNSS applicationsGlobal Positioning SystemReal-time computingTelecommunicationsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

As global navigation satellite system (GNNS) signals are unable to enter indoor spaces, substitute methods such as indoor localization-based visible light communication (VLC) are gaining the attention of researchers. In this paper, the systematic investigation of a VLC channel is performed for both direct and indirect line of sight (LoS) by utilizing the impulse response of indoor optical wireless channels. In order to examine the localization scenario, two light-emitting diode (LED) grid patterns are used. The received signal strength (RSS) is observed based on the positional dilution of precision (PDoP), a subset of the dilution of precision (DoP) used in global navigation satellite system (GNSS) positioning. In total, 31 × 31 possible positional tags are set for a given PDoP configuration. The values for positional error in terms of root mean square error (RMSE) and the sum of squared errors (SSE) are taken into consideration. The performance of the proposed approach is validated by simulation results according to the selected indoor space. The results show that the position accuracy enhanced is at short range by 24% by utilizing the PDoP metric. As confirmation, the modeled accuracy is compared with perceived accuracy results. This study determines the application and design of future optical wireless systems specifically for indoor localization.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil0,348

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,226
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207