Improvement of indoor localization accuracy by Wi-Fi radio waves using neural network

点击翻译按钮获取中文摘要

街中などにすでに広く利用され，アクセスポイントが多数設置されている無線LANを利用し，新たなハードウェアの設置なしに，事前測定のみで位置推定を行い，その結果を用いた様々なサービスを実現することを目的とする。ユーザはスマートフォンに本研究で開発したアプリケーションをインストールすることだけで，提供サービスを受けることができるもの。本研究では機械学習および無線伝搬環境を考慮して，位置推定の高精度化，簡易化を図る。研究は実利用エリアにおいて，開発したアプリケーションをスマートフォン実機にインストールして実験的に行い，得られたデータは機械学習解析ツールを用いて解析する。本課題ではFinger Print技術を用いて，無線LANアクセスポイントからのRSSI(受信強度)による位置推定を研究する。特に機械学習により高精度化する。CNN, ResNet，回帰モデル，RNN, LSTM，条件付確率などを含めて検討する。これまで，サービスを行うエリアが複雑である場合にResNetを用いて層数を増やすことによる効果を実験的に確認し，論文が採録された。時系列情報を利用するためカルマンフィルタおよびパーティクルフィルタと回帰モデルにより座標間の位置推定の精度向上ができることを確認し，論文採録されたが，この内容は研究会で招待講演としても発表した。位置推定を行うユーザの測定データを利用して学習データにする手法を検討し，その際にユーザデータのうち学習データとして適したものを選択する手法を提案し，論文採録された。学習データ取得時の電波環境の違いによる位置推定精度低下を防ぐため，異なる環境で測定を行う方法に学習方法について提案し，国際会議で発表した。部屋単位で位置推定するような簡易場合に学習データ取得コストを低減する手法を提案し，国際会議で発表した。