行業資訊
2021年06月17日
儀表儀器、工程設備、運輸車輛甚至常常使用的手機等數十億互聯設備和傳感器，共同構成了備受關注的物聯網，收集和分享無數應用中使用的數據。這就要求運營者知道他們的位置，這在大多數室內場所、隧道和城市峽谷等GPS信號弱的環境中是一個高難度的挑戰。
在日本，新的方法可以幫助智能設備網絡合作，在這種環境中尋找和交流它們的位置。這種 "物的定位 "可能有助于從車輛到資產跟蹤，從供應鏈監測到智能城市和實時地圖的應用。
新方法融合了來自各種傳感測量的數據--如無線電、光學和慣性信號--并分析了每個信號的特征--包括其功率、角度和時間。使用機器學習技術來權衡這些 "軟信息"，同時還利用來自數字地圖、動態模型和大數據節點概況的背景信息。
為了減少其必須收集的數據的復雜性和規模，新方法在 "主成分分析 "的基礎上確定接收到的波形中對當前目的最有用和最沒用的方面。在充滿反射和回聲的挑戰性場景的模擬中，新系統的性能明顯超過了傳統系統，并不斷接近定位精度的理論極限，而傳統系統的精度則急劇下降。
轉自：互聯網