基于深度学习的无标签门户超宽带手机姿态检测
信号处理
2024-02-14 v1 网络与互联网体系结构
摘要
随着Proximity services(proximity服务)商业兴趣的增加，发展各种无线定位技术取得了推进。与这一趋势一致，超宽带(UWB)正成为一种有前景的解决方案，能够实现毫米级定位精度的proximity服务。此外，由于移动设备(Mobile Device, MD)在人体上的实际位置，即姿态，会影响定位精度，因此姿态也对于提供精确的proximity服务尤其重要，特别是对于无标签门户(Ultra-wideband tagless gate, UTG)。本文提出了一种实时姿态检测器，称为D3，用于估计用户通过UTG时MD的姿态。D3基于超宽带信道脉冲响应中的视线(LOS)和非视线(NLOS)分类，利用嵌入在智能手机中的惯性测量单元(IMU)来估计姿态。D3在三星Galaxy Note20 Ultra(即SMN986B)和Qorvo UWB板上实现，以展示其可行性和适用性。D3在LOS/NLOS分类上达到了0.984的准确率，最终在实时检测中准确地检测到了MD的四种不同姿态，准确率为0.961。
引用
@article{arxiv.2402.08399,
title = {Deep Learning-based Real-time Smartphone Pose Detection for Ultra-wideband Tagless Gate},
author = {Junyoung Choi and Sagnik Bhattacharya},
journal= {arXiv preprint arXiv:2402.08399},
year = {2024}
}