Key points are not available for this paper at this time.
실내 인간 위치 결정은 건강 모니터링, 호흡 모니터링, 인간 식별, 안전 및 구조 작업, 보안 감시와 같은 응용 프로그램에서 점점 더 중요해지고 있습니다. 그러나 다양한 제한 사항으로 인해 강력한 실내 인간 위치 결정을 달성하는 것은 여전히 도전적입니다. 문헌에서는 효율적인 실내 위치 결정 시스템(IPS)을 개발하기 위해 많은 시도가 이루어졌으며, 기계 학습(ML) 기반 기술에 대한 관심이 높아지고 있습니다. 본 논문은 실내 위치 결정을 위한 현재의 ML 기반 무선 기술 및 접근 방식을 비교하고 분석하는 것을 목표로 하며, 인간 감지, 위치 결정 및 활동 인식을 위한 지원 기술에 대한 포괄적인 검토를 제공합니다. 이 연구는 다양한 IPS를 위한 RSSI, TDOA 등의 다양한 입력 측정 데이터를 탐색합니다. RSSI 기반 핀터프린팅, 각도 기반 및 시간 기반 접근법과 같은 주요 위치 결정 기술이 다양한 ML 방법과 함께 조사됩니다. 이 조사는 위치 결정 정확성, 확장성 및 알고리즘 복잡성을 비교하여 다양한 서비스에서 적합한 기술을 결정하는 것을 목표로 합니다. 마지막으로, 논문은 다양한 기술을 사용하여 발표된 실내 위치 결정에 중점을 둔 뚜렷한 데이터 세트를 비교합니다. 전반적으로 본 논문은 기존 기술 및 위치 모델에 대한 포괄적인 비교를 제공합니다.
Sonny et al. (Thu,)은 이 질문을 연구했습니다.