Most of the use cases around iBeaco

Most of the use cases around iBeacon focus on proximity detection and an approximate location of the user.

We wanted to experiment with radio signals from iBeacons to see if we could achieve a more precise position and indoor navigation of a user similar to GPS in the outdoor world.

The objective of our paper is to present our experiments around this area.

The two main approaches to the problem are through the distance-based Trilateration and machine learning based Fingerprinting.

This paper mentions both but analyzes only the fingerprinting
approach in depth.

ผลลัพธ์ (ไทย) 1:

ส่วนใหญ่กรณีใช้รอบ iBeacon เน้นจับการเคลื่อนไหวและทำเลที่ตั้งโดยประมาณของผู้ใช้เราต้องการทดลองใช้สัญญาณวิทยุจาก iBeacons เพื่อดูถ้าเราสามารถบรรลุตำแหน่งที่แม่นยำมากขึ้นและนำทางในร่มของผู้ใช้คล้ายกับ GPS ในโลกกลางแจ้ง วัตถุประสงค์กระดาษของเราคือการ นำเสนอการทดลองของเราบริเวณนี้ มีสองวิธีหลักปัญหาผ่านการ Trilateration ตามระยะทาง และเรียนรู้ของเครื่องตามลาย เอกสารนี้กล่าวถึงทั้งสอง แต่วิเคราะห์เฉพาะ ลายพิมพ์วิธีในความลึก

ผลลัพธ์ (ไทย) 2:

ส่วนกรณีการใช้รอบโฟกัส iBeacon ในการตรวจสอบความใกล้ชิดและสถานที่โดยประมาณของผู้ใช้.

เราต้องการที่จะทดสอบกับสัญญาณวิทยุจาก iBeacons เพื่อดูว่าเราจะได้รับตำแหน่งที่แม่นยำมากขึ้นและระบบนำทางในร่มของผู้ใช้ที่คล้ายกับจีพีเอสในกลางแจ้ง โลก.

วัตถุประสงค์ของกระดาษของเราคือการนำเสนอการทดลองของเราทั่วพื้นที่นี้.

ทั้งสองวิธีหลักในการแก้ไขปัญหาที่มีการพิมพ์ลายนิ้วมือผ่านระยะทางตาม Trilateration และเครื่องการเรียนรู้.

บทความนี้กล่าวถึงทั้งสอง แต่เพียงการวิเคราะห์ลายนิ้วมือ
วิธีการในเชิงลึก

ผลลัพธ์ (ไทย) 3:

ส่วนใหญ่ของกรณีใช้รอบ ibeacon เน้นตรวจจับและเป็นตำแหน่งโดยประมาณของผู้ใช้เราต้องการที่จะทดสอบกับสัญญาณวิทยุจาก ibeacons เพื่อดูว่าเราสามารถบรรลุความแม่นยำตำแหน่งและนำทางในร่มของผู้ใช้คล้ายกับ GPS ในโลกภายนอกวัตถุประสงค์ของการศึกษาของเราคือการเสนอการทดลองของเรารอบ ๆบริเวณนี้หลักสองแนวทางปัญหาผ่านระยะทางไตรเลเทอเรชั่นและการเรียนรู้เครื่องจักรที่ใช้รูปแบบตามบทความนี้กล่าวถึงทั้ง แต่วิเคราะห์ลายเท่านั้นวิธีการในระดับลึก