КАРТОЧКА
ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер 24-21-00360
НазваниеСовершенствование фундаментальных основ локализации и распознавания активностей человека без нательных датчиков с использованием динамической информации о состоянии канала связи
РуководительАстафьев Александр Владимирович, Кандидат технических наук
Организация финансирования, регион федеральное государственное бюджетное образовательное учреждение высшего образования "Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых", Владимирская обл
| Период выполнения при поддержке РНФ | 2024 г. - 2025 г. |
Конкурс№89 - Конкурс 2023 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами».
Область знания, основной код классификатора 01 - Математика, информатика и науки о системах, 01-727 - Специализированные системы обработки и анализа изображений и сигналов
Ключевые словаЛокализация внутри помещений, Позиционирование внутри помещений, распознавание активности, WiFi, информация о состоянии канала связи, AutoML
Код ГРНТИ20.53.19
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
В настоящее время всё большее количество приложений и устройств используют информацию о местоположении человека. Согласно последнему обзору современных алгоритмов локализации внутри помещений к решаемым практическим задачам можно отнести контроль за состоянием здоровья, безопасность человека в чрезвычайных ситуациях и на опасных территориях и анализ поведения потребителей. Для решения приведенных практических задач необходимо использовать высокоточные алгоритмы локализации человека на наблюдаемой территории в реальном времени. Алгоритмы локализации, в свою очередь, можно разделить на две большие группы: алгоритмы локализации внутри помещений и на открытом пространстве. Для локализации человека в открытом пространстве в основном используются датчики глобальных систем навигации, таких как GPS, GLONASS, Chinese BeiDou и прочие. Такие подходы используются в навигаторах, системах оказании помощи на дорогах и т.д. Однако, применение подходов, основанных на работе с глобальными системами навигации для решения задачи локализации внутри помещений значительно осложняется наличием ослабления мощности за чёт большого количества физических преград, наличием эффекта многолучевого распространения и задержкой передачи сигнала. Исходя из этого, для реализации алгоритмов позиционирования внутри помещений необходимо использовать технологии, позволяющие достичь высокой точности, стабильности и скорости работы.
В рамках проекта предлагается проведение исследований в направлении использования информации о состоянии канала связи для совершенствования фундаментальных основ локализации и распознавания активностей человека без нательных датчиков. Разработка лабораторного стенда, позволяющего извлекать информацию о состоянии канала связи с девяти пар антенн при ширине канала связи в 40 МГц, что позволит получать 2 052 анализируемых параметра. Совершенствование существующих подходов к построению радиокарт помещений с использованием концепции цифрового отпечатка за счет использования автоэнкодеров. Построение модели изменения динамической информации о состоянии канала связи в зависимости от среды распространения сигнала и наличия людей на наблюдаемой территории. Исследование моделей нейронных сетей с учителем, включая подходы AutoML для автоматизации процесса обучения. Достижение поставленных целей потенциально позволит превзойти современный уровень мировых научных исследований и разработать новые алгоритмы для построения сложных технических систем.
Ожидаемые результаты
В рамках реализации проекта коллективом планируется достичь следующих результатов:
1. Разработать лабораторный стенд для исследования информации о состоянии канала связи с использованием ширины канала в 40 МГц и девятью парами антенн, что позволит получать 2 052 анализируемых параметра за одно измерение.
2. Разработать модель изменения динамической информации о состоянии канала связи в зависимости от среды распространения сигнала и наличия людей на наблюдаемой территории, что позволит масштабировать реализованные системы на схожие наблюдаемые территории без полного переобучения.
3. Предложить новые методы построения радиокарт помещений, основанные на концепции цифрового отпечатка, путем использования моделей автоэнкодеров, в противовес используемым в исследованиях моделям с бинарным выходом или линейным преобразованием.
4. Разработать высокоточные алгоритмы локализации человека без нательных датчиков и распознавания его активности в помещении с использованием моделей обучения с учителем.
5. Предложить алгоритмы оптимизации процесса подбора модели нейронной сети за счёт использования подходов AutoML. Реализация конвейера обучения позволит подбирать оптимальные модели нейронных сетей для каждой конкретной практической задачи и среды распространения сигнала, ориентируясь на сложные целевые функции.
ОТЧЁТНЫЕ МАТЕРИАЛЫ