面向智能家庭环境中辅助生活室内定位的多模态方法
人机交互
2021-06-30 v1 机器学习
信号处理
摘要
本工作对智能家庭环境中面向辅助生活的室内定位领域做出了多项科学贡献。首先，它提出了一种大数据驱动的方法，研究用户交互的多模态组件，并分析来自蓝牙低功耗（BLE）信标和 BLE 扫描器的数据，以在日常生活活动期间检测用户在基于特定活动的区域中的室内位置。其次，它引入了一种上下文无关的方法，可解释来自不同行为模式的加速度计和陀螺仪数据，以在任何基于物联网（IoT）的环境中检测用户的基于区域的室内位置。这两种方法在数据集上测试时分别达到了 81.36% 和 81.13% 的准确率。第三，它提出了一种检测用户室内位置空间坐标的方法，根据相关的均方根误差（ISO/IEC18305:2016 中用于测试定位与跟踪系统的国际标准的性能评估指标之一），其性能优于该领域所有类似工作。最后，它提出了一项综合比较研究，涵盖随机森林、人工神经网络、决策树、支持向量机、k-NN、梯度提升树、深度学习和线性回归，以应对识别室内定位最优机器学习方法的挑战。
引用
@article{arxiv.2106.15606,
title = {Multimodal Approaches for Indoor Localization for Ambient Assisted Living in Smart Homes},
author = {Nirmalya Thakur and Chia Y. Han},
journal= {arXiv preprint arXiv:2106.15606},
year = {2021}
}