MétaCan
Menu
Retour à la cohorte
Enregistrement W4386494272 · doi:10.32604/iasc.2023.040412

Performance Evaluation of Three-Dimensional UWB Real-Time Locating Auto-Positioning System for Fire Rescue

2023· article· en· W4386494272 sur OpenAlexaff
Hang Yang, Xunbo Li, Witold Pedrycz

Notice bibliographique

RevueIntelligent Automation & Soft Computing · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMultilaterationReal-time locating systemReal-time computingComputer scienceCramér–Rao boundGeolocationSimulationAlgorithmEngineering

Résumé

récupéré en direct d'OpenAlex

Fire rescue challenges and solutions have evolved from straightforward plane rescue to encompass 3D space due to the rise of high-rise city buildings. Hence, this study facilitates a system with quick and simplified on-site launching and generates real-time location data, enabling fire rescuers to arrive at the intended spot faster and correctly for effective and precise rescue. Auto-positioning with step-by-step instructions is proposed when launching the locating system, while no extra measuring instrument like Total Station (TS) is needed. Real-time location tracking is provided via a 3D space real-time locating system (RTLS) constructed using Ultra-wide Bandwidth technology (UWB), which requires electromagnetic waves to pass through concrete walls. A hybrid weighted least squares with a time difference of arrival (WLS/TDOA) positioning method is proposed to address real path-tracking issues in 3D space and to meet RTLS requirements for quick computing in real-world applications. The 3D WLS/TDOA algorithm is theoretically constructed with the Cramer-Rao lower bound (CRLB). The computing complexity is reduced to the lower bound for embedded hardware to directly compute the time differential of the arriving signals using the time-to-digital converter (TDC). The results of the experiments show that the errors are controlled when the positioning algorithm is applied in various complicated situations to fulfill the requirements of engineering applications. The statistical analysis of the data reveals that the proposed UWB RTLS auto-positioning system can track target tags with an accuracy of 0.20 m.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,025
Tête enseignante GPT0,262
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntelligent Automation & Soft ComputingMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207