Aufrufe
vor 3 Jahren

Approximative Indoor-Lokalisierung von RFID ... - Gernot A. Fink

Approximative Indoor-Lokalisierung von RFID ... - Gernot A. Fink

Kapitel 3 Konzept für

Kapitel 3 Konzept für ein Indoor-Lokalisierungssystem In Kapitel 2 wurden vielfältige Methoden und Technologien zur Lokalisierung vorgestellt. Jede Methode und Technik besitzt systembedingt Vor- und Nachteile, daher ist es entscheidend, das Einsatzszenario zu kennen, bevor man sich für bestimmte Technologien und Methoden entscheidet. In diesem Kapitel soll zunächst das Szenario vorgestellt werden, auf dem das künftige Indoor- Lokalisierungssystem beruhen wird (Abschnitt 3.1). Aus diesem Szenario ergeben sich die Anforderungen an das System. Basierend auf den Anforderungen werden grundlegende Designentscheidungen getroffen. Diese werden dann in ein Konzept für ein Indoor-Lokalisierungssystem umgesetzt. Dieses Konzept führt in Abschnitt 3.3 zur Entwicklung eines probabilistischen Trackingmodells in Abschnitt 3.3 und anschließend zur Entwicklung eines Partikelfilters in Abschnitt 3.4, welcher das Trackingmodell umsetzen soll . 3.1 Anwendungsszenario Krankenhaus Ein Bereich, der von der Einführung von Location Based Services profitieren kann, ist der Health Care Sektor, insbesondere der Krankenhaussektor. Der Grund dafür liegt in der zum Teil sehr komplexen und dynamischen Infrastruktur und Logistik innerhalb von Krankenhäusern [41]. In einem Krankenhaus arbeitet eine große Anzahl von Ärzten und Pflegern. Die Anzahl der Patienten und die mit den Patienten verbundenen Dienstleistungen wechseln ständig. Die Suche nach Krankenhauspersonal, pflegebedürftigen Patienten und Kindern, die sich eventuell verlaufen haben, kann wichtige Ressourcen binden. Ebenfalls problematisch ist die Suche nach Geräten: in einem Krankenhaus sind teure medizinische Geräte verteilt, von denen wiederum viele mobil sind. All diese Geräte müssen von verschiedenen Personalgruppen aus verschiedenen Gründen gefunden und verwaltet werden:

Audiobasierte Impulslokalisierung und -erkennung ... - Gernot A. Fink
Audiobasierte Impulslokalisierung und -erkennung ... - Gernot A. Fink
Faltungsnetzwerke zur Gesichtsdetektion unter ... - Gernot A. Fink
Secure Candle - Klassifikation akustischer ... - Gernot A. Fink
Mustererkennung - Prinzipien, Methoden ... - Gernot A. Fink
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Cluster - Gernot A. Fink - TU Dortmund
Unüberwachtes Lernen von Handschriftstilen - Gernot A. Fink - TU ...
DETEKTION HANDSCHRIFTLICHER TEXTE IN ... - Gernot A. Fink
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Simultane Lokalisierung und Kartenerstellung eines ... - Gernot A. Fink
Skriptum zur Vorlesung “Mustererkennung” - Gernot A. Fink
Mensch und Maschine verbinden - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Automatische Kalibrierung verteilter Mikrophonfelder - Gernot A. Fink