Key points are not available for this paper at this time.
Wir präsentieren Algorithmen zur Schätzung des Standorts stationärer und mobiler Benutzer basierend auf heterogenen Indoor-RF-Technologien. Wir schlagen zwei Standortalgorithmen vor, die selektive Fusion der Standortschätzung (SELFLOC) und das Vertrauensgebiet (RoC), die in Verbindung mit klassischen Standortalgorithmen wie Triangulation oder mit kommerziellen Standortschätzsystemen von Drittanbietern verwendet werden können. Der SELFLOC-Algorithmus schließt den Standort des Benutzers durch selektive Fusion von Standortinformationen aus mehreren drahtlosen Technologien und/oder mehreren klassischen Standortalgorithmen auf theoretisch optimale Weise. Der RoC-Algorithmus versucht, das Problem der Aliasbildung im Signalbereich zu überwinden, bei dem verschiedene physische Standorte ähnliche RF-Eigenschaften aufweisen, was besonders akut ist, wenn Benutzer mobil sind. Wir haben die vorgeschlagenen Algorithmen empirisch validiert unter Verwendung von WLAN- und Bluetooth-Technologie. Unsere experimentellen Ergebnisse zeigen, dass die Anwendung von SELFLOC für stationäre Benutzer bei Verwendung mehrerer drahtloser Technologien und mehrerer klassischer Standortalgorithmen die Standortgenauigkeit erheblich verbessern kann, mit mittleren Distanzfehlern von bis zu 1,6 m. Für mobile Benutzer stellen wir fest, dass die Verwendung von RoC es uns ermöglicht, mittlere Fehler von bis zu 3,7 m zu erreichen. Beide Algorithmen können in Verbindung mit einem kommerziellen Standortschätzsystem verwendet werden und verbessern dessen Genauigkeit weiter.
Gwon et al. (Di,) untersuchten diese Frage.