User location prediction based on p

User location prediction based on past measurements is extensively studied and we use one of the commonly used approach based on Hidden Markov Model. As we are specifically considering second order Hidden Markov model, which takes into consideration the direction of motion to improve the prediction performance over a first order HMM. Other methods like kalman filter can also be employed but considering the sample size due to past measurements the filter computation will be quite complex due to increase in matrix sizes. Using the HMM model algorithm, among the available sensors the one with lowest energy is selected and used in determining the location. Also it is shown in literature that the computational overhead for a second order HMM is quite negligible and can be safely ignored. At the start of algorithm a single high accurate user location information at time T0 is recorded in memory which corresponds to highly accurate user location information available. We record this information in memory as X0=
(P0,E0,T0), corresponding to position, error and time at the time of sampling. If smartphone does not detect any significant movement then we will only update time and error accumulated information in X. To determine significant movement we may invoke below logic:

1. If Wi-Fi is enabled and known Wi-Fi signatures are available from the Wi-Fi hotspot, then we measure received signal strength for each signature to estimate significant departure or arrival from any hotspot then movement variable is set accordingly.

2. Using RF ID tagging or NFC if we can compute position with desired accuracy movement variable.

3. If the movement variable is set then
(a) For small variations in position due to walking or running, the layer updates position using combination of accelerometer, compass and gyroscope.
(b) If the errors accumulated exceeds threshold error value then using the A-GPS, UMTS or GPS we compute current user location and reset the position, error and time to X0.

4. If any request from application arrives to get the user position and the accuracy requirements are met for this applications then we send the computed/stored position instead of enabling positioning sensor to compute the position.

• Following are the user options that are considered in the algorithm execution.
– Changes in desired position accuracy: Overtime users can change the position accuracy requirements.
– Sensors set preference: Applications can choose the set of sensors they want to use for their applications.

ผลลัพธ์ (ไทย) 2:

ทำนายตำแหน่งของผู้ใช้บนพื้นฐานของการวัดที่ผ่านมามีการศึกษาอย่างกว้างขวางและเราจะใช้หนึ่งในวิธีการที่ใช้กันทั่วไปขึ้นอยู่กับรุ่นที่ซ่อนมาร์คอฟ ขณะที่เรากำลังพิจารณาเฉพาะลำดับที่สองรูปแบบที่ซ่อนมาร์คอฟซึ่งจะนำเข้าสู่การพิจารณาทิศทางของการเคลื่อนไหวเพื่อปรับปรุงประสิทธิภาพการทำนายมากกว่าเพื่อ RST Fi HMM วิธีการอื่น ๆ เช่นคาลมานกรอง Fi ยังสามารถได้รับการว่าจ้าง แต่การพิจารณาขนาดของกลุ่มตัวอย่างอันเนื่องมาจากการวัดที่ผ่านมาคำนวณ Fi กรองจะค่อนข้างซับซ้อนเนื่องจากการเพิ่มขึ้นในขนาดเมทริกซ์ โดยใช้ขั้นตอนวิธีการรูปแบบอืมในหมู่เซ็นเซอร์ที่มีอยู่หนึ่งที่มีพลังงานต่ำสุดที่ถูกเลือกและนำมาใช้ในการกำหนดสถานที่ นอกจากนี้ก็จะปรากฏในวรรณคดีที่ค่าใช้จ่ายในการคำนวณหาอืมลำดับที่สองเป็นเล็กน้อยมากและสามารถปฏิเสธได้อย่างปลอดภัย ในช่วงเริ่มต้นของขั้นตอนวิธีข้อมูลที่ตั้งของผู้ใช้คนเดียวที่ถูกต้องที่สูง T0 เวลาจะถูกบันทึกไว้ในหน่วยความจำซึ่งสอดคล้องกับข้อมูลสถานที่ผู้ใช้สามารถใช้งานได้อย่างถูกต้อง เราบันทึกข้อมูลในหน่วยความจำ X0 =
(P0, E0, T0) ที่สอดคล้องกับตำแหน่งข้อผิดพลาดและเวลาในช่วงเวลาของการสุ่มตัวอย่าง ถ้ามาร์ทโฟนไม่ได้ตรวจสอบการเคลื่อนไหวลาดเทมีนัยสำคัญใด ๆ แล้วเราจะอัปเดตเวลาและความผิดพลาดข้อมูลสะสมใน X. การตรวจสอบการเคลื่อนไหว Fi ลาดเทนัยสำคัญเราอาจเรียกตรรกะด้านล่าง:

1 ถ้า Wi-Fi ถูกเปิดใช้งานและเป็นที่รู้จักลายเซ็น Wi-Fi ที่มีอยู่จาก Wi-Fi hotspot แล้วเราวัดได้รับความแรงของสัญญาณสำหรับแต่ละลายเซ็นที่จะประเมินออกเดินทางลาดเทนัยสำคัญ Fi หรือเดินทางมาถึงจากสปอตใด ๆ แล้วตัวแปรการเคลื่อนไหวมีการตั้งค่าตาม.

2 โดยใช้การติดแท็ก RF ประชาชนหรือ NFC ถ้าเราสามารถคำนวณตำแหน่งที่มีตัวแปรการเคลื่อนไหวที่ต้องการความถูกต้อง.

3 ถ้าตัวแปรการเคลื่อนไหวที่ถูกกำหนดแล้ว
(ก) สำหรับรูปแบบขนาดเล็กในตำแหน่งเนื่องจากการเดินหรือวิ่งตำแหน่งการปรับปรุงชั้นใช้เป็นส่วนผสมของ accelerometer เข็มทิศและวัดการหมุนวน.
(ข) หากมีข้อสะสมเกินเกณฑ์ค่าความผิดพลาดแล้วใช้ A- จีพีเอส, UMTS หรือ GPS เราคำนวณตำแหน่งของผู้ใช้ในปัจจุบันและการตั้งค่าตำแหน่งข้อผิดพลาดและเวลาในการ X0.

4 หากคำขอจากโปรแกรมใด ๆ มาถึงที่จะได้รับตำแหน่งของผู้ใช้และความต้องการความถูกต้องเป็นไปตามเงื่อนไขสำหรับการใช้งานนี้แล้วเราจะส่งคำนวณ / ตำแหน่งที่เก็บไว้แทนการเปิดใช้งานเซ็นเซอร์ตำแหน่งเพื่อคำนวณตำแหน่ง.

•ต่อไปนี้เป็นตัวเลือกที่ผู้ที่ได้รับการพิจารณาในขั้นตอนวิธี การดำเนินการ.
- การเปลี่ยนแปลงในความถูกต้องตำแหน่งที่ต้องการ: ผู้ใช้สามารถเปลี่ยนการทำงานล่วงเวลาต้องการความถูกต้องตำแหน่ง.
- เซนเซอร์ตั้งการตั้งค่า: การประยุกต์ใช้สามารถเลือกชุดของเซ็นเซอร์ที่พวกเขาต้องการที่จะใช้สำหรับการใช้งานของพวกเขา

ผลลัพธ์ (ไทย) 3:

การทำนายที่ตั้งผู้ใช้ตามการวัดที่ผ่านมาอย่างกว้างขวางการศึกษาเราใช้หนึ่งของวิธีการที่ใช้ขึ้นอยู่กับซ่อนมาร์คอฟโมเดล ในฐานะที่เราเป็นโดยเฉพาะการพิจารณาลำดับสองของแบบจำลองฮิดเดนมาร์คอฟ ซึ่ง ซึ่งจะพิจารณาทิศทางของการเคลื่อนไหวเพื่อปรับปรุงประสิทธิภาพการทำนายมากกว่าจึงตัดสินใจเดินทางวิธีอื่น ๆเพื่อ . . . . . เหมือนคาลมานจึง lter ยังสามารถใช้ แต่เมื่อขนาดตัวอย่างเนื่องจากการวัดที่ผ่านมาจึง lter การคำนวณจะค่อนข้างซับซ้อนเนื่องจากการเพิ่มขึ้นในขนาดของเมทริกซ์ การใช้ขั้นตอนวิธีแบบอืม ระหว่างเซ็นเซอร์ใช้ได้หนึ่งที่มีพลังงานต่ำสุดจะถูกเลือกและใช้ในการกำหนดตำแหน่ง ยังพบในวรรณคดีที่ค่าใช้จ่ายในการคำนวณสำหรับหืมสั่งที่สองค่อนข้างน้อย และสามารถถูกละเว้น อย่างปลอดภัย ที่เริ่มต้นของวิธีเดียวที่ถูกต้องสูงผู้ใช้ข้อมูลสถานที่ที่เวลาจะถูกบันทึกไว้ในหน่วยความจำ t0 ซึ่งสอดคล้องกับความถูกต้องสูงผู้ใช้ข้อมูลสถานที่ใช้ได้ เราบันทึกข้อมูลนี้ในหน่วยความจําเป็น x0 =( E0 t0 P0 , , ) ที่สอดคล้องกับตำแหน่ง ข้อผิดพลาดและเวลาในเวลาที่คน ถ้ามาร์ทโฟนไม่ตรวจสอบใด ๆ signi จึงไม่สามารถเคลื่อนไหว เราก็จะได้สะสมข้อมูลและข้อผิดพลาดในการตรวจสอบ signi X จึงไม่สามารถเคลื่อนไหว เราอาจเรียกด้านล่าง ตรรกะ :1 . หากเปิดใช้งาน และรู้จัก Wi Fi Wi Fi ลายเซ็นที่มีอยู่จาก hotspot Wi - Fi , แล้วเราวัดความแรงสัญญาณที่รับได้ของแต่ละลายเซ็นประมาณ signi จึงไม่สามารถขาเข้าหรือขาออกจากจุดใด ๆ แล้วตัวแปรเคลื่อนไหวเป็นชุดตาม2 . ใช้ RF ID แท็กหรือ NFC ถ้าเราสามารถคำนวณตำแหน่งกับความถูกต้องของตัวแปรการเคลื่อนไหวที่ต้องการ3 . ถ้าเคลื่อนไหวตัวแปรจะตั้งแล้ว( ก ) การเปลี่ยนแปลงในตำแหน่งเล็ก ๆเนื่องจากเดินหรือวิ่ง ชั้นปรับปรุงตำแหน่งโดยใช้การรวมกันของ accelerometer , เข็มทิศ และไจโรสโคป .( ข ) ถ้าข้อผิดพลาดที่สะสมเกินเกณฑ์ค่าความคลาดเคลื่อนแล้วใช้ภาพ UMTS หรือ GPS , เราคำนวณตำแหน่งผู้ใช้ปัจจุบันและการตั้งค่าตำแหน่ง ข้อผิดพลาดและเวลา x0 .4 . ถ้ามีการร้องขอจากโปรแกรมมาให้ผู้ใช้ตำแหน่งและความต้องการจะพบนี้โปรแกรมแล้วเราส่งข้อมูล / เก็บตําแหน่งแทนทำให้เซ็นเซอร์ตำแหน่งเพื่อหาตำแหน่ง- ต่อไปนี้เป็นผู้ใช้ตัวเลือกที่ได้รับการพิจารณาในขั้นตอนวิธีการการเปลี่ยนแปลงในตำแหน่งที่ต้องการและความถูกต้องผู้ใช้มักจะสามารถเปลี่ยนตำแหน่งของความถูกต้องของ- เซ็นเซอร์ชุดความชอบ : โปรแกรมสามารถเลือกชุดของเซ็นเซอร์ที่พวกเขาต้องการที่จะใช้สำหรับการใช้งานของพวกเขา