ترجمه فارسی مقاله TimeSense: بومی سازی فضای داخلی بدون دستگاه چند نفره از طریق RTT

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی TimeSense: Multi-Person Device-free Indoor Localization via RTT
عنوان مقاله به فارسی TimeSense: بومی سازی فضای داخلی بدون دستگاه چند نفره از طریق RTT
نویسندگان Mohamed Mohsen, Hamada Rizk, Hirozumi Yamaguch, Moustafa Youssef
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,Artificial Intelligence,Machine Learning,پردازش سیگنال , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 17 August, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 17 اوت 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Locating the persons moving through an environment without the necessity of them being equipped with special devices has become vital for many applications including security, IoT, healthcare, etc. Existing device-free indoor localization systems commonly rely on the utilization of Received Signal Strength Indicator (RSSI) and WiFi Channel State Information (CSI) techniques. However, the accuracy of RSSI is adversely affected by environmental factors like multi-path interference and fading. Additionally, the lack of standardization in CSI necessitates the use of specialized hardware and software. In this paper, we present TimeSense, a deep learning-based multi-person device-free indoor localization system that addresses these challenges. TimeSense leverages Time of Flight information acquired by the fine-time measurement protocol of IEEE 802.11-2016 standard. Specifically, the measured round trip time between the transmitter and receiver is influenced by the dynamic changes in the environment induced by human presence. TimeSense effectively detects this anomalous behavior using a stacked denoising auto-encoder model, thereby estimating the user's location. The system incorporates a probabilistic approach on top of the deep learning model to ensure seamless tracking of the users. The evaluation of TimeSene in two realistic environments demonstrates its efficacy, achieving a median localization accuracy of 1.57 and 2.65 meters. This surpasses the performance of state-of-the-art techniques by 49% and 103% in the two testbeds.

چکیده به فارسی (ترجمه ماشینی)

پیدا کردن افرادی که از طریق یک محیط حرکت می کنند بدون اینکه ضرورت مجهز به آنها به دستگاه های ویژه مجهز شود ، برای بسیاری از برنامه های کاربردی از جمله امنیت ، IoT ، مراقبت های بهداشتی و غیره بسیار حیاتی شده است. سیستم های محلی سازی داخلی بدون دستگاه موجود معمولاً به استفاده از شاخص قدرت سیگنال دریافت شده متکی هستند (تکنیک های اطلاعات حالت کانال WiFi (CSI).با این حال ، دقت RSSI تحت تأثیر عوامل محیطی مانند تداخل چند مسیر و محو شدن است.علاوه بر این ، عدم استاندارد سازی در CSI نیاز به استفاده از سخت افزار و نرم افزار تخصصی دارد.در این مقاله ، ما Timesense ، یک سیستم محلی سازی داخلی بدون دستگاه بدون دستگاه مبتنی بر یادگیری عمیق است که به این چالش ها می پردازد.Timesense از زمان اطلاعات پرواز به دست آمده توسط پروتکل اندازه گیری زمان خوب استاندارد IEEE 802.11-2016 استفاده می کند.به طور خاص ، زمان سفر دور اندازه گیری شده بین فرستنده و گیرنده تحت تأثیر تغییرات پویا در محیط ناشی از حضور انسان است.TimesenSE به طور موثری این رفتار غیر عادی را با استفاده از یک مدل رمزگذاری خودکار Denoising Auto ، تشخیص می دهد و از این طریق موقعیت کاربر را تخمین می زند.این سیستم یک رویکرد احتمالی را در بالای مدل یادگیری عمیق برای اطمینان از ردیابی یکپارچه کاربران در بر می گیرد.ارزیابی Timesene در دو محیط واقع بینانه ، اثربخشی آن را نشان می دهد و به دقت محلی سازی متوسط ​​1.57 و 2.65 متر رسیده است.این از عملکرد تکنیک های پیشرفته 49 ٪ و 103 ٪ در دو بستر آزمایشی پیشی می گیرد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.