본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

IEEE transactions on mobile computing v.16 no.2, 2017년, pp.466 - 481   SCI SCIE
본 등재정보는 저널의 등재정보를 참고하여 보여주는 베타서비스로 정확한 논문의 등재여부는 등재기관에 확인하시기 바랍니다.

Pallas: Self-Bootstrapping Fine-Grained Passive Indoor Localization Using WiFi Monitors

Chengwen Luo Long Cheng Mun Choon Chan Yu Gu Jianqiang Li Zhong Ming
  • 초록  

    Passive indoor localization for smartphones requires no explicit cooperation of the smartphone and enables a new spectrum of applications such as passive user tracking, mobility monitoring, social pattern analysis, etc. However, existing passive localization methods either achieve coarse-grained localization accuracy or require expensive infrastructure support. In this paper, we present Pallas, a self-bootstrapping system for fine-grained passive indoor localization using non-intrusive WiFi monitors. Pallas uses off-the-shelf access point hardware to opportunistically capture WiFi packets to infer the location of smartphones in the indoor environment. The key novelty of Pallas lies in that the passive fingerprint database for localization is automatically constructed and updated without any active participation of WiFi devices or manual calibration. To achieve this, Pallas first identifies passive landmarks that are present in WiFi RSS traces. Given the knowledge of the indoor floor plan and the location of WiFi monitors, Pallas statistically maps the collected RSS traces to specific indoor pathways. With sufficient mapping opportunistically detected, Pallas is able to bootstrap a fine-grained passive fingerprint database and build Gaussian processes for localization automatically without requiring any additional calibration effort.


 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
  • 원문이 없습니다.
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 출판된 논문 + 더보기