Präzise Trackingsysteme auf der Grundlage von 802.11

该项目最早采用基于802.11的跟踪系统，并通过关注该项目获得了丰富的科学知识。在最佳情况下（在Gebäuden内部、在Häuserschluchten或Tunneln中的Beispiel）使用GPS定位功能，我们将在802.11基础上的项目定位系统的第一阶段（在接入点上的嵌入式系统）进行初步研究和原型实现。在第二个阶段，必须对跟踪测试进行韦尔登。Dabei sollen beispielsweise die folgenden Fragen untersucht韦尔登：Können probabilistische Trackingalgorithmen die berechneten Aufenthaltswahrscheinlichkeiten aus vorhergegangen Positionsbestimmungen nutzen，um die Positionierungsgenauigkeit zu verbessern？可以通过对Benutzers的Blickrichtung的分析，获得一个基于802.11的定位跟踪系统的成功韦尔登吗？信号处理的影响因素是什么？信号处理的影响因素是什么？如何让人对跟踪系统产生更大的兴趣，因为它的功能更好，内部也更好？能否自行设计一套追踪系统韦尔登，以确保最小化指纹识别的培训数据的一致性？这一框架需要新的设计、模拟和共同的原型来实现和评估韦尔登。

Dieses Teilprojekt befasst sich mit 802.11-basierten Trackingsystemen und ist auf wissenschaftliche Aufgabenstellungen aus diesem Bereich fokussiert, die für das Besamtprojekt einen wesentlichen Beitrag leisten. Bekanntlich funktioniert die Positionierung mit Hilfe von GPS in bestimmten Situationen (zum Beispiel in Inneren von Gebäuden, in Häuserschluchten oder Tunneln) nicht, weshalb in der ersten Phase des Projekts Positionierungssysteme auf der Basis von 802.11 (insbesondere unter Einsatz von Access Points) erfolgreich untersucht und prototypisch implementiert wurden. In der zweiten Phase sollen die Untersuchungen auf Tracking-Verfahren ausgedehnt werden. Dabei sollen beispielsweise die folgenden Fragen untersucht werden: Können probabilistische Trackingalgorithmen die berechneten Aufenthaltswahrscheinlichkeiten aus vorhergegangen Positionsbestimmungen nutzen, um die Positionierungsgenauigkeit zu verbessern? Kann durch Berücksichtigung der Blickrichtung des Benutzers, die zugleich seine Laufrichtung ist, die Positionierungsgenauigkeit eines 802.11-basierten Trackingsystems verbessert werden? Welchen Einfluss hat die Häufigkeit der Signalstärkemessungen bei verschiedenen Bewegungsgeschwindigkeiten der Benutzer auf die Positionierungsgenauigkeit? Wie gestaltet man den Übergang zwischen verschiedenen Trackingsystemen, bei denen die einen besser außerhalb von Gebäuden funktionieren und die anderen besser innerhalb? Kann ein selbstlernendes Trackingsystem entwickelt werden, welches den Arbeitsaufwand zum Sammeln der Trainingsdaten für das Fingerprinting minimiert? Zur Beantwortung dieser Fragen sollen neue Algorithmen entwickelt, simuliert und im gemeinsamen Prototypen des Paketantrags implementiert und empirisch evaluiert werden.