利用蓝牙低能耗信号与 IMU 传感器读数进行自动接触追踪
机器学习
2022-06-14 v1 信号处理
摘要
在本报告中，我们展示了针对 SFI 机器学习中心（ML-Labs）所提供挑战赛的解决方案，该挑战要求估算两部手机之间的距离。这是 NIST Too Close For Too Long（TC4TL）挑战赛的修改版本，因为排除了时间因素。我们提出了一种基于蓝牙 RSSI 和 IMU 传感器数据的特征方法，其显著优于先前最优方法，将误差降低至 0.071。我们对模型进行了消融研究，揭示了关于距离与蓝牙 RSSI 读数之间关系的有趣见解。
引用
@article{arxiv.2206.06033,
title = {Automatic Contact Tracing using Bluetooth Low Energy Signals and IMU Sensor Readings},
author = {Suriyadeepan Ramamoorthy and Joyce Mahon and Michael O'Mahony and Jean Francois Itangayenda and Tendai Mukande and Tlamelo Makati},
journal= {arXiv preprint arXiv:2206.06033},
year = {2022}
}