GPSの利用が難しい屋内空間では、電波（Wi-Fi、BLE）や音波を用いた測位技術が主流である。建物の構造や什器によって直接波の受信が難しい屋内環境に特に適しているのが、位置指紋を用いた測位方式である。しかし、これらの技術では高精度な測位を達成するために複数のアンカーを必要とする。本研究では、屋内空間特有の多重反射波の伝搬時間情報を位置指紋として利用し、CNNを活用した学習によって、単一のスピーカーを用いた測位精度を最大で80.2%向上した。

In indoor environments where GPS is unavailable, positioning is predominantly achieved using acoustic signals, Wi-Fi, and BLE. Among these methods, position fingerprinting has proven suitable for indoor positioning because it functions even when direct waves are obstructed due to complex structures and furniture. However, obtaining high-precision measurements using this method traditionally requires multiple anchors, presenting a considerable challenge. This study proposes an innovative solution to this issue. We trained a Convolutional Neural Network (CNN) on the propagation time data of multipath reflections, a characteristic unique to indoor spaces, and treated them as position fingerprints. Consequently, we have achieved an enhancement in positioning accuracy by up to 80.2% using just a single speaker.

Yukiya Mita, Hiroaki Murakami, Takuya Sasatani, Matthew Ishige, Yoshihiro Kawahara

Contact: mita@akg.t.u-tokyo.ac.jp