| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-07-28 14:50 BLE指紋法を用いた屋内測位におけるRSSIの揺らぎを低減した位置推定精度の向上手法 ○銭 静石・小室信喜（千葉大）  CS2023-58 |
|
| 抄録 | （和） | 複雑な室内環境は、センサーからのRSSI（Received Signal Strength Indicator）を反射・吸収してしまう。信号強度から直接位置を推測することは困難であるため、屋内測位方法として位置指紋法がよく用いられている。一般的な位置指紋法は、あらかじめ室内の各位置のRSSIを記録して指紋データベースを構築し、測位したい地点のRSSIと指紋データベースを比較することで位置を推定する。しかし、室内環境が不規則であるため、通常、RSSIの平均値は理想的な減衰曲線の上下に大きなオフセットをもっている。そのため、指紋データベースの誤差が比較的大きくなり、測位精度に影響を与える。本研究では、機械学習（ML）ベースの指紋法において、RSSI変動を低減することで位置推定精度を向上させる方法を提案する。提案手法は、BPNN（Back-Propagation Neural Network）アルゴリズムを用いて、測位前に環境に起因するRSSIオフセットを補正する。そして、測位安定性のために、後処理にPF（Particle Filter）を導入している。実験によると、本手法はk-NN（k-Nearest Neighbors）、BPNN、SVR（Support Vector Regression）において、誤差を10％以上削減する効果があることがわかった。 |
| （英） | The complex indoor environment will reflect and absorb the RSSI (Received Signal Strength Indicator) from the sensor. Because it is difficult to infer the location directly by signal strength, the position fingerprinting method is often used as an indoor positioning method. The general position fingerprinting method constructs a fingerprint database by recording the RSSI of each location in the room in advance and then compares the RSSI of the point to be located with the fingerprint database to estimate the location. However, because of the irregular indoor environment, the average value of RSSI usually has a large offset above and below the ideal decay curve. This leads to a relatively large error in the fingerprint database, which affects the accuracy of positioning. This study proposes a method to improve position estimation accuracy by reducing RSSI fluctuations for Machine Learning (ML)-based fingerprinting method. The proposed method fixes the RSSI offset caused by the environment before positioning using the BPNN (Back-Propagation Neural Network) algorithm. And for positioning stability, PF (Particle Filter) is introduced for post-processing. Experiments show that this method is effective in reducing the error by more than 10% for k-NN (k-Nearest Neighbors), BPNN, and SVR (Support Vector Regression). | |
| キーワード | （和） | 位置指紋法 / Received Signal Strength Indicator (RSSI) / Back-Propagation Neural Network (BPNN) / Bluetooth Low Energy (BLE) / パーティクルフィルタ / / / |
| （英） | Position Fingerprinting Method / Received Signal Strength Indicator (RSSI) / Back-Propagation Neural Network (BPNN) / Bluetooth Low Energy (BLE) / Particle Filter / / / | |
| 文献情報 | 信学技報, vol. 123, no. 137, CS2023-58, pp. 163-168, 2023年7月. | |
| 資料番号 | CS2023-58 | |
| 発行日 | 2023-07-20 (CS) | |
| 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 | CS2023-58 |
|
| 研究会情報 | |
| 研究会 | CS |
| 開催期間 | 2023-07-27 - 2023-07-28 |
| 開催地（和） | 八丈町商工会 |
| 開催地（英） | Hachijo-machi Chamber of Commerce and Industry |
| テーマ（和） | 次世代ネットワーク，アクセスネットワーク，ブロードバンドアクセス方式，電力線通信，無線通信方式，符号化方式，一 般 |
| テーマ（英） | Next Generation Networks, Access Networks, Broadband Access, Power Line Communications, Wireless Communication Systems, Coding Systems, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | CS |
| 会議コード | 2023-07-CS |
| 本文の言語 | 日本語 |
| タイトル（和） | BLE指紋法を用いた屋内測位におけるRSSIの揺らぎを低減した位置推定精度の向上手法 |
| サブタイトル（和） | |
| タイトル（英） | Improving position estimation accuracy method by reducing RSSI fluctuations in BLE fingerprinting-based indoor positioning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 位置指紋法 / Position Fingerprinting Method |
| キーワード(2)（和/英） | Received Signal Strength Indicator (RSSI) / Received Signal Strength Indicator (RSSI) |
| キーワード(3)（和/英） | Back-Propagation Neural Network (BPNN) / Back-Propagation Neural Network (BPNN) |
| キーワード(4)（和/英） | Bluetooth Low Energy (BLE) / Bluetooth Low Energy (BLE) |
| キーワード(5)（和/英） | パーティクルフィルタ / Particle Filter |
| 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） | 銭 静石 / Jingshi Qian / セン セイセキ |
| 第1著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 小室 信喜 / Nobuyoshi Komuro / コムロ ノブヨシ |
| 第2著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-07-28 14:50:00 |
| 発表時間 | 20分 |
| 申込先研究会 | CS |
| 資料番号 | CS2023-58 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.137 |
| ページ範囲 | pp.163-168 |
| ページ数 | 6 |
| 発行日 | 2023-07-20 (CS) |
[研究会発表申込システムのトップページに戻る]