Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
200
konferencja
Status:
Autorzy: Rymarczyk Tomasz, Kłosowski Grzegorz, Adamkiewicz Przemysław, Styła Michał, Kiczek Bartłomiej
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Strony: 859 - 860
Web of Science® Times Cited: 0
Scopus® Cytowania: 0
Bazy: Web of Science | Scopus | dblp
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: 20th ACM Conference on Embedded Networked Sensor Systems
Skrócona nazwa konferencji: SenSys 2022
URL serii konferencji: LINK
Termin konferencji: 6 listopada 2022 do 9 listopada 2022
Miasto konferencji: Boston
Państwo konferencji: STANY ZJEDNOCZONE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 24 stycznia 2023
Abstrakty: angielski
The aim of the research is to develop a system enabling effective and efficient tracking of people inside buildings using radio waves. The presented concept uses radio tomography imaging (RTI) as a passive analysis of radio wave interference as well as active connections with transmitting and receiving devices---mainly smartphones. A long short-term memory (LSTM) neural network was used to solve the inverse tomographic problem of converting measurements into images. The presented concept uses a proprietary design of transducers, which are transmitting and receiving devices that can exchange information with each other and establish connections with other devices. The novelty is the hybrid nature of the people location system, using both device-free and device-based methods. Another new approach is using the LSTM network to solve the inverse problem in RTI. Both solutions make the location system much more flexible, which makes imaging much more accurate and reliable.