有效的基于深度学习的无设备室内定位使用被动红外传感器
Sira Yongchareon1, Jian Yu1, Jing Ma1
1School of Engineering, Computer and Mathematical Sciences, Auckland University of Technology, Auckland 1010, New Zealand.
Sensors (Basel, Switzerland)
|March 17, 2025
概括
这项研究引入了一种新的深度学习方法,用于使用被动红外 (PIR) 传感器在室内无设备定位. 这种新的方法准确地估计了多个个体的位置,提高了安全性和能源管理应用.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 人工智能的人工智能
背景情况:
- 无设备的室内定位对于医疗保健,安全和能源管理等应用是必不可少的.
- 无源红外 (PIR) 传感器为人类定位提供了一个具有成本效益,低功耗和保护隐私的解决方案.
- 现有的多人本地化方法在信号质量,模糊性和复杂运动干扰方面存在困难.
研究的目的:
- 提出一种新的深度学习方法,用于使用PIR传感器准确的多人室内定位.
- 解决当前处理复杂的人类运动和信号干扰的方法的局限性.
主要方法:
- 使用深度卷积神经网络-长期短期记忆 (CNN-LSTM) 架构.
- 频道分离和模板匹配技术用于信号处理.
- 使用平均包装技术组合模型可以提高本地化准确性.
主要成果:
- 拟议的方法成功估计了两个参与者的同时位置.
- 实现了0.55米的平均距离误差,用于定位.
- 80%的距离误差在0.8米以内,显示出高精度.
结论:
- 新的深度学习方法显著提高了使用PIR传感器的多人本地化准确性.
- 这种方法为复杂环境中无设备的室内定位提供了强大的解决方案.
- 这些发现对改善医疗保健,安全和能源管理领域的智能环境有影响.


