Improving the Precision of Wireless Localization Algorithms: ML Techniques for Indoor Positioning

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APU136956" target="_blank" >RIV/00216305:26220/20:PU136956 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/TSP49548.2020.9163551" target="_blank" >http://dx.doi.org/10.1109/TSP49548.2020.9163551</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/TSP49548.2020.9163551" target="_blank" >10.1109/TSP49548.2020.9163551</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Improving the Precision of Wireless Localization Algorithms: ML Techniques for Indoor Positioning

Popis výsledku v původním jazyce

Due to the tremendous increase in the number of wearable devices and proximity-based services, the need for improved indoor localization techniques becomes more significant. The evolution of the positioning from a hardware perspective is pacing its way along with various software-based approaches also powered by Machine Learning (ML). In this paper, we apply ML algorithms to the real-life collected signal parameters in an indoor localization system based on Ultra-Wideband (UWB) technology to make an analysis of the signal and classify it accordingly. The contribution aims to answer the question of whether an indoor positioning system could benefit from utilizing ML for signal parameter analysis in order to increase its location accuracy, reliability, and robustness across various environments. To this end, we compare different applications of ML approaches and detail the trade-off between computational speed and accuracy.

Název v anglickém jazyce

Improving the Precision of Wireless Localization Algorithms: ML Techniques for Indoor Positioning

Popis výsledku anglicky

Due to the tremendous increase in the number of wearable devices and proximity-based services, the need for improved indoor localization techniques becomes more significant. The evolution of the positioning from a hardware perspective is pacing its way along with various software-based approaches also powered by Machine Learning (ML). In this paper, we apply ML algorithms to the real-life collected signal parameters in an indoor localization system based on Ultra-Wideband (UWB) technology to make an analysis of the signal and classify it accordingly. The contribution aims to answer the question of whether an indoor positioning system could benefit from utilizing ML for signal parameter analysis in order to increase its location accuracy, reliability, and robustness across various environments. To this end, we compare different applications of ML approaches and detail the trade-off between computational speed and accuracy.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20203 - Telecommunications

Projekt

<a href="/cs/project/FV40371" target="_blank" >FV40371: Pokročilý systém pro vnitřní 2D a 3D lokalizaci v reálném čase pro automatizaci, vizualizaci a řízení výrobních procesů v Průmyslu 4.0 – řešení na bázi MEMS a PDoA/AoA hybridních metod</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

43nd International Conference on Telecommunications and Signal Processing (TSP 2020).

ISBN

978-1-7281-6376-5

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

1-6

Název nakladatele

IEEE

Místo vydání

Neuveden

Místo konání akce

Milan, Italy

Datum konání akce

7. 7. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000577106400126