講演抄録/キーワード |
講演名 |
2021-01-21 13:00
機械学習による高精度NLOS判別手法を用いたUWB屋内位置推定手法の検討 ○石田圭吾・岡本英二(名工大)・李 還幇(NICT) SeMI2020-50 |
抄録 |
(和) |
工場等の自動化に伴い,高精度な屋内位置情報に対する需要が高まっている.我々はUWB(Ultra-Wideband)の高い分解能を用いた位置推定技術に着目してきた.屋内位置推定の課題として,通信路が障害物によりNLOS(Non Line-Of-Sight)環境になることで,測位精度が低下することが挙げられる.この問題に対処するため,さまざまな手法が検討されているが,本稿では複数回測距を行ったときの分散によりNLOS環境センサの判別を行うレンジベース方式に着目した.この方式はメトリックが少ないことから単純である上に,比較的精度が高い.しかし,これまでのレンジベース方式の手法では分散の値に対して経験的な閾値を設けることでNLOS判別を行っていたため,汎用性に問題があった.また,NLOS環境にあると判別されたセンサを除去してしまうことから,位置推定に使用できるセンサ数が減少し,精度が下がる問題があった.そこで本稿では,経験的閾値により行っていたNLOS判別に機械学習を導入することで汎用性及び精度を向上させた他,NLOS環境にあると判別されたセンサを除去することなく,事前の学習で得た予測関数により真の距離を推定し,これを位置推定に使用する手法を提案する.提案手法の性能は計算機シミュレーションにおける他の手法との比較によって示される.その結果,提案手法の性能が他の手法よりも優れていることが明らかになった. |
(英) |
According to the automatization of factory and other facilities, there is a growing demand of accurate indoor location information. We have focused on the high resolution of ultra-wideband (UWB) and its application to position estimation. One of the problems for indoor localization is the degradation of positioning accuracy due to the non line-of-sight (NLOS) environment, which is caused by the blockage of obstacles. To tackle this problem, various methods have been investigated. This paper focuses on the range-based methods which detects NLOS sensors based on the variance of multiple measurement data. Range-based methods are simple because they uses only a few metrics, while comparatively having high accuracy. However, conventional methods have problems in versatility because they used empirical thresholds. In addition, since NLOS detected sensors are removed, the performance of localization tends to degrade even if the NLOS detection is successful. Therefore, in this paper, we propose a new localization method introducing machine learning into NLOS detection to improve its versatility and accuracy. In addition, the proposed method also uses the NLOS sensors for localization by utilizing estimated true distances based on the predction function derived by training data. The performance of the proposed method is shown in comparison with other conventional methods in computer simulation. Consequently, it is shown that the proposed method is superior to other conventional methods. |
キーワード |
(和) |
屋内位置推定 / UWB / SVM / ニューラルネットワーク / NLOS / / / |
(英) |
indoor localization / UWB / support vector machine / neural network / NLOS / / / |
文献情報 |
信学技報, vol. 120, no. 315, SeMI2020-50, pp. 39-44, 2021年1月. |
資料番号 |
SeMI2020-50 |
発行日 |
2021-01-13 (SeMI) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SeMI2020-50 |
研究会情報 |
研究会 |
SeMI |
開催期間 |
2021-01-20 - 2021-01-21 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
センシング,モビリティ,モバイル・ユビキタスコンピューティング,センサ・アドホック・モバイルネットワーク,アプリケーション,一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
SeMI |
会議コード |
2021-01-SeMI |
本文の言語 |
日本語 |
タイトル(和) |
機械学習による高精度NLOS判別手法を用いたUWB屋内位置推定手法の検討 |
サブタイトル(和) |
|
タイトル(英) |
Study on UWB indoor localization method using machine learning-based accurate NLOS detection |
サブタイトル(英) |
|
キーワード(1)(和/英) |
屋内位置推定 / indoor localization |
キーワード(2)(和/英) |
UWB / UWB |
キーワード(3)(和/英) |
SVM / support vector machine |
キーワード(4)(和/英) |
ニューラルネットワーク / neural network |
キーワード(5)(和/英) |
NLOS / NLOS |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
石田 圭吾 / Keigo Ishida / イシダ ケイゴ |
第1著者 所属(和/英) |
名古屋工業大学 (略称: 名工大)
Nagoya Institute of Technology (略称: NIT) |
第2著者 氏名(和/英/ヨミ) |
岡本 英二 / Eiji Okamoto / オカモト エイジ |
第2著者 所属(和/英) |
名古屋工業大学 (略称: 名工大)
Nagoya Institute of Technology (略称: NIT) |
第3著者 氏名(和/英/ヨミ) |
李 還幇 / Huan-Bang Li / リ カンホウ |
第3著者 所属(和/英) |
情報通信研究機構 (略称: NICT)
National Institute of Information and Communications Technology (略称: NICT) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2021-01-21 13:00:00 |
発表時間 |
20分 |
申込先研究会 |
SeMI |
資料番号 |
SeMI2020-50 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.315 |
ページ範囲 |
pp.39-44 |
ページ数 |
6 |
発行日 |
2021-01-13 (SeMI) |