English
Fusing Similarity-Based Sequence and Dead Reckoning for Indoor Positioning Without Training
文件大小：
1536k
资源说明："Fusing Similarity-Based Sequence and Dead Reckoning for Indoor Positioning Without Training"
本文提出了一种novel approach，结合基于相似度的序列和死计算（dead reckoning），来实现无需训练的室内定位。传统的指纹识别方法需要耗费大量的训练时间来收集环境中的测量数据，而本文的方法可以避免这种情况。
指纹识别方法通常需要在环境中收集大量的测量数据，以建立指纹数据库。然而，这种方法存在一些缺陷，例如需要大量的人力和时间来收集数据，并且无法适应大型建筑物的应用场景。
本文提出的方法可以解决这些问题。我们可以根据已知的发射机位置和几何关系来构建指纹映射，而无需进行训练。然后，我们可以使用类似度序列来表示指纹，并将其与参考指纹进行比较，从而确定用户的位置。
此外，本文还使用惯性测量单元（Inertial Measurement Unit，IMU）来估计用户的位移，并将其与类似度序列相结合，以提高定位的准确性。实验结果表明，本文提出的方法可以实现高精度的室内定位。
本文的贡献在于：
1. 提出了基于相似度序列和死计算的室内定位方法，避免了传统指纹识别方法的训练阶段。
2. 使用了惯性测量单元来估计用户的位移，从而提高了定位的准确性。
3. 实验结果表明，本文提出的方法可以实现高精度的室内定位。
在本文中，我们还讨论了室内定位的挑战和解决方案，并对比了不同的定位技术，例如TOA、AOA和RSS。我们还讨论了本文方法的扩展性，例如可以与其他传感器融合来提高定位的准确性。
本文提出了一个novel approach，结合基于相似度的序列和死计算，实现了无需训练的室内定位，并且可以与其他传感器融合来提高定位的准确性。本文的贡献在于解决了传统指纹识别方法的缺陷，并提供了一种高精度的室内定位方法。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
