A bidirectional Ultra-Wideband (UWB) localization scheme is one of the three widely deployed design integration processes ordinarily destined for time-based UWB positioning systems. The key property of the bidirectional UWB localization is its ability to serve both the navigation and tracking assignments on-demand within a single localization scheme. Conventionally, the perspective of navigation and tracking in wireless localization systems is viewed distinctly as an individual system because different methodologies were required for the implementation process. The ability to flexibly or elastically combine two unique positioning perspectives (i.e., navigation and tracking) within a single scheme is a paradigm shift in the way location-based services are observed. Thus, this article addresses and pinpoints the potential of a bidirectional UWB localization scheme. Regarding this, the complete system model of the bidirectional UWB localization scheme was comprehensively described based on modular processes in this article. The demonstrative evaluation results based on two system integration processes as well as a SWOT (strengths, weaknesses, opportunities, and threats) analysis of the scheme were also discussed. Moreover, we argued that the presented bidirectional scheme can also be used as a prospective topology for the realization of precise location estimation processes in 5G/6G wireless mobile networks, as well as Wi-Fi fine-time measurement-based positioning systems in this article.


翻译:双向超边定位系统(UWB)本地化计划是通常用于基于时间的UWB定位系统的三种广泛部署的设计集成进程之一。双向的UWB本地化的关键特性在于它能够在一个单一本地化计划内为双向导航和按需跟踪任务分配提供服务。在公约中,无线本地化系统的导航和跟踪观点被视为一个单独的系统,因为执行进程需要不同的方法。在一个单一计划内灵活或弹性地结合两种独特的定位视角(即导航和跟踪)的能力,是观察基于地点的服务的方式的范式转变。因此,这一文章的地址和确定双向的UWB本地化计划的潜力。关于这一点,根据本条中的模块流程全面描述了双向的UWB本地化计划的完整系统模式。基于两个系统整合进程以及基于SWOT的系统示范性评价结果(力度、弱点、机会和威胁)分析也是对基于地点的服务的服务模式的范式转变。此外,我们指出,在在线定位网络中,作为双向定位的定位定位系统,作为双向定位的实现方式,我们还认为,该双向定位网络的定位计划作为双向定位的实现。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
专知会员服务
161+阅读 · 2020年1月16日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年4月6日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员