MétaCan
Menu
Retour à la cohorte
Enregistrement W4200403323 · doi:10.3390/rs14010019

Wits: An Efficient Wi-Fi Based Indoor Positioning and Tracking System

2021· article· en· W4200403323 sur OpenAlexaff
Liping Tian, Liangqin Chen, Zhimeng Xu, Zhizhang Chen

Notice bibliographique

RevueRemote Sensing · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTracking (education)Channel (broadcasting)Interference (communication)Track (disk drive)WirelessPoint (geometry)Channel state informationPath (computing)Phase (matter)Real-time computingIndoor positioning systemTracking systemComputer visionSimulationArtificial intelligenceTelecommunicationsKalman filterMathematics

Résumé

récupéré en direct d'OpenAlex

With the development of wireless communication technology, indoor tracking technology has been rapidly developed. Wits presents a new indoor positioning and tracking algorithm with channel state information of Wi-Fi signals. Wits tracks using motion speed. Firstly, it eliminates static path interference and calibrates the phase information. Then, the maximum likelihood of the phase is used to estimate the radial Doppler velocity of the target. Experiments were conducted, and two sets of receiving antennas were used to determine the velocity of a human. Finally, speed and time intervals were used to track the target. Experimental results show that Wits can achieve the mean error of 0.235 m in two different environments with a known starting point. If the starting point is unknown, the mean error is 0.410 m. Wits has good accuracy and efficiency for practical applications.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,415
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,009
Tête enseignante GPT0,204
Écart entre enseignants0,196 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207