Key points are not available for this paper at this time.
La localisation sans fil en intérieur vers le prochain point d'accès Wi-Fi de nouvelle génération a attiré une attention considérable en raison de la présentation du protocole de mesure de temps fine Wi-Fi (FTM) à la pointe de la technologie. Afin d'améliorer l'autonomie, la précision et l'universalité du positionnement sans fil basé sur les terminaux de l'Internet des Objets (IoT), cet article propose un système de positionnement sans fil hybride qui contient l'intégration de Wi-Fi FTM, de l'empreinte du signal reçu en crowdsourcing (RSSI) et de capteurs de micro-systèmes électromécaniques (MEMS) (H-WPS). Un système de navigation inertielle léger destiné aux piétons (PINS) est proposé, contenant des contraintes multi-niveaux et un modèle d'optimisation globale afin d'éliminer l'erreur cumulative causée par la mise à jour de l'INS. Un cadre de génération de base de données d'empreintes Wi-Fi basé sur l'apprentissage profond est développé pour l'évaluation et la sélection des trajectoires en crowdsourcing. De plus, trois modèles d'intégration multisource différents sont appliqués pour fusionner les informations de PINS, Wi-Fi FTM et l'empreinte RSSI, et calibrer le biais de mesure Wi-Fi en temps réel, ce qui est encore amélioré par un nouveau contrôle de non-conformité et une stratégie d'évaluation de la qualité du signal contenue dans le perceptron multicouche. Les expériences exhaustives démontrent que le H-WPS proposé atteint des performances de positionnement intérieur beaucoup plus précises et universelles par rapport à la source de localisation unique, et une précision de localisation au niveau du mètre peut être réalisée dans des scènes intérieures couvertes par Wi-Fi FTM.
Yu et al. (2021) ont étudié cette question.