• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >RSS-based WLAN Indoor Positioning and Tracking System Using Compressive Sensing and Its Implementation on Mobile Devices.
【24h】

RSS-based WLAN Indoor Positioning and Tracking System Using Compressive Sensing and Its Implementation on Mobile Devices.

机译：基于RSS的基于WLAN的压缩感知室内定位跟踪系统及其在移动设备上的实现。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

As the demand of indoor Location-Based Services (LBSs) increases, there is a growing interest in developing an accurate indoor positioning and tracking system on mobile devices. The core location determination problem can be reformulated as a sparse natured problem and thus can be solved by applying the Compressive Sensing (CS) theory. This thesis proposes a compact received signal strength (RSS) based real-time indoor positioning and tracking systems using CS theory that can be implemented on personal digital assistants (PDAs) and smartphones, which are both limited in processing power and memory compared to laptops. The proposed tracking system, together with a simple navigation module is implemented on Windows Mobile-operated smart devices and their performance in different experimental sites are evaluated. Experimental results show that the proposed system is a lightweight real-time algorithm that performs better than other traditional fingerprinting methods in terms of accuracy under constraints of limited processing and memory resources.
机译：随着室内基于位置的服务（LBS）的需求增加，人们对在移动设备上开发精确的室内定位和跟踪系统的兴趣日益浓厚。核心位置确定问题可以重新构造为稀疏性质的问题，因此可以通过应用压缩传感（CS）理论来解决。本文提出了一种使用CS理论的紧凑型基于室内接收信号强度（RSS）的实时室内定位和跟踪系统，该系统可以在个人数字助理（PDA）和智能手机上实现，与笔记本电脑相比，它们在处理能力和内存上都受到限制。所提出的跟踪系统以及一个简单的导航模块在Windows Mobile操作的智能设备上实现，并评估了它们在不同实验站点中的性能。实验结果表明，所提出的系统是一种轻量级的实时算法，在有限的处理和存储资源的约束下，其准确性优于其他传统的指纹识别方法。

著录项

  • 作者

    Au, Anthea Wain Sy.;

  • 作者单位

    University of Toronto (Canada).;

  • 授予单位 University of Toronto (Canada).;
  • 学科 Engineering Electronics and Electrical.
  • 学位 M.A.S.
  • 年度 2010
  • 页码 137 p.
  • 总页数 137
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号