Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Wireless Personal Communications
Erschienen in: Wireless Personal Communications 2/2015

01.01.2015

A Trust Region-Based Particle Filter Algorithm for Indoor Tracking

verfasst von: Liang Zhou, Guangjun Li, Zhi Zheng, Tingting Xiao

Erschienen in: Wireless Personal Communications | Ausgabe 2/2015

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this article, a Trust-Region Particle Filter (TRPF) tracking algorithm is proposed for mobile tracking with RSS measurements in indoor scenario. The Trust-Region method is employed instead of the state transition model to guide the generating of the new particles, which avoids the performance degradation that caused by the mismatch of the state transition model and the target’s motion behavior. Meanwhile, the sampling efficiency increases because of the new sampling process, and leads to a better tracking performance. Simulation results demonstrate that the TRPF is more accurate and gives more stable performance in indoor tracking.
Vorheriger Artikel Practical Implementation of the Combinational Cooperative Detection Method
Nächster Artikel OSIC-Based SD MIMO Detection Algorithm for LTE-A Downlink Physical Layer

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
Patwari, N., & Ash, J. N. S. (2005). Locating the nodes: Cooperative localization in wireless sensor networks. IEEE Signal Process, 22(4), 54–69.CrossRef
2.
Alhasant, A. I., Sharif, B. S., & Tsimenidis, C. C. (2012). Low complexity least-square estimator for RSS-based localization in wireless sensor networks. In The 2nd international conference on communications and information technology: Communication networks and system (pp. 331–335).
3.
Jaesung, P., Yujin, L., & Kilhung, L. (2011). A polygonal method for ranging-based localization in an indoor wireless sensor network. Wireless Personal Communications, 60, 521–532.CrossRef
4.
Kushki, A., Plataniotis, K. N., & Venetsanopoulos, A. N. (2007). Kernel based positioning in wireless local area networks. IEEE Transactions on Mobile Computing, 6, 689–705.CrossRef
5.
Jain, V. K., Shashikala, T., & Anupam, S. (2012). Location estimation based on semi-supervised locally linear embedding (SSLLE) approach for indoor wireless networks. Wireless Personal Communications, 67, 879–893.CrossRef
6.
Vicente, O., & Joaquín, M. (2013). Localization in wireless networks: The potential of triangulation techniques. Wireless Personal Communications, 68, 1525–1538.CrossRef
7.
Doucet, A., de Freitas, N., & Gordon, N. (2001). Sequential Monte Carlo methods in practice. New York: Springer.CrossRefMATH
8.
Gustafsson, F., Bergman, N., & Forssell, U. (2002). Particle filters for positioning, navigation and tracking. IEEE Transactions Signal Processing, 50(2), 425–437.CrossRef
9.
Zhang, X. Q., & Hu, W. M. (2010). A smarter particle filter. Computer Vision—ACCV, 2009(5995), 36–246.
10.
11.
Hou, S. Y., & Hung, H. S. (2010). Novel algorithms for tracking multiple targets. Journal of Marine Science and Technology, 18(2), 259–267.
12.
Lei, T., & Jian, R. (2009). UPF algorithm and its application in the GPS/INS integrated navigation. In: International conference on wireless communications & signal processing, 2009 (WCSP 2009). (pp. 1–4).
13.
Alkhatib, H., & Paffenholz, J. A. (2012). Sequential Monte Carlo filtering for nonlinear GNSS trajectories. International Association of Geodesy Symposia, 137, 81–86.CrossRef
14.
Mihaylova, L., & Angelova, D. (2006). Algorithms for mobile nodes self-localisation in wireless ad hoc networks. In 2006 9th international conference on information fusion (pp. 1–7).
15.
Liu, T. L., & Chen, H. T. (2004). Real-time tracking using trust-region methods. IEEE Transactions on Pattern Analysis and Machine Intelligence, 26(3), 397–402.CrossRef
16.
Patwari, N., & Hero, A. O. (2003). Using proximity and quantized RSS for sensor localization in wireless networks. In ACM workshop on wireless sensor networks and applications (pp. 20–29).
17.
Lee, J. H., & Buehrer, R. M. (2009). Location estimation using differential RSS with spatially correlated shadowing. In IEEE global telecommunications conference (pp. 1–6).
18.
Ji, Y., & Li, Y. J. (2010). A new nonmonotone trust-region method of conic model for solving unconstrained optimization. Journal of Computational and Applied Mathematics, 233, 1746–1754.CrossRefMATHMathSciNet
19.
Qu, S. J., & Jiang, S. D. (2008). A trust-region method with a conic model for unconstrained. Mathematical Methods and Applications in Science, 220, 119–128.MATH
Metadaten
Titel
A Trust Region-Based Particle Filter Algorithm for Indoor Tracking
verfasst von
Liang Zhou
Guangjun Li
Zhi Zheng
Tingting Xiao
Publikationsdatum
01.01.2015
Verlag
Springer US
Erschienen in
Wireless Personal Communications / Ausgabe 2/2015
Print ISSN: 0929-6212
Elektronische ISSN: 1572-834X
DOI
https://doi.org/10.1007/s11277-014-2038-y

Weitere Artikel der Ausgabe 2/2015

Wireless Personal Communications 2/2015 Zur Ausgabe

OriginalPaper

Location Prediction of Vehicles in VANETs Using A Kalman Filter

OriginalPaper

Using Cellular Automata to Form an MOTV Society in Mobile Ad-hoc Networks

OriginalPaper

Data Aggregation Using Dynamic Selection of Aggregation Points Based on RSSI for Wireless Sensor Networks

OriginalPaper

Small Monopole Antenna for IEEE 802.11a and X-Bands Applications Using Modified CBP Structure

OriginalPaper

Interference Coordination Oriented User Association Scheme in Cellular Relay Networks

OriginalPaper

DNF–AF Selection Two-Way Relaying

Neuer Inhalt

    Bildnachweise