JPWO2020208987A1 - 位置推定装置、位置推定方法及びプログラム - Google Patents
位置推定装置、位置推定方法及びプログラム Download PDFInfo
- Publication number
- JPWO2020208987A1 JPWO2020208987A1 JP2021513519A JP2021513519A JPWO2020208987A1 JP WO2020208987 A1 JPWO2020208987 A1 JP WO2020208987A1 JP 2021513519 A JP2021513519 A JP 2021513519A JP 2021513519 A JP2021513519 A JP 2021513519A JP WO2020208987 A1 JPWO2020208987 A1 JP WO2020208987A1
- Authority
- JP
- Japan
- Prior art keywords
- source
- pseudo
- feature amount
- error
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 39
- 238000005259 measurement Methods 0.000 claims abstract description 99
- 230000005540 biological transmission Effects 0.000 claims abstract description 65
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 45
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 45
- 238000012937 correction Methods 0.000 claims abstract description 19
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 43
- 238000004891 communication Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 abstract description 79
- 238000010586 diagram Methods 0.000 description 26
- 230000000694 effects Effects 0.000 description 13
- 230000002238 attenuated effect Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000006096 absorbing agent Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
【解決手段】位置推定装置は、予測モデル生成部と、誤差群算出部と、誤差合成部と、疑似計測値補正部と、位置推定部と、を備える。予測モデル生成部は、受信信号から得られる、発信位置に依存した特徴量を予測する予測モデルを生成する。誤差群算出部は、既知位置の参照発信源からの特徴量の計測値と、予測モデルを用いて算出された特徴量の予測値と、の誤差群を算出する。誤差合成部は、任意位置の疑似発信源と参照発信源各々との位置関係に応じて誤差群を合成し、合成誤差として出力する。疑似計測値補正部は、疑似発信源からの信号を受信したときの予測モデルによる特徴量の予測値を、合成誤差を用いて補正する。位置推定部は、発信位置に依存した特徴量の計測値を、補正後の疑似発信源からの特徴量の予測値に基づき学習された学習モデルに入力し、発信源位置を推定する。
Description
第1の実施形態について、図面を用いてより詳細に説明する。
はじめに、第1の実施形態に係る発信源位置推定システムの構成について説明する。図2は、第1の実施形態に係る発信源位置推定システムの概略構成の一例を示す図である。
次に、フローチャートを参照して第1の実施形態に係る発信源位置推定システムの動作について詳細に説明する。図5は、第1の実施形態に係る発信源位置推定システムの訓練段階の動作の一例を示すフローチャートである。はじめに、図5のフローチャートを参照して訓練段階の動作について詳細に説明する。
次に、第1の実施形態の効果について説明する。
次に、第2の実施形態について図面を参照して詳細に説明する。
図14は、第2の実施形態に係る位置推定装置40の処理構成(処理モジュール)の一例を示す図である。図14を参照すると、第2の実施形態に係る位置推定装置40は、第1の実施形態に係る位置推定装置40と比較して、複数波源疑似計測値セット合成部701をさらに有する点で異なる。ここで、複数波源疑似計測値セット合成部701は、疑似計測値合成部の一例である。
複数波源疑似計測値セット合成部701は、概略つぎのように動作する。
第2の実施形態の効果について説明する。第2の実施形態では、2以上の発信源が同時(実質的に同時)に電波を送信しているときのRSS計測値セットを作成し、当該RSS計測値セットを用いて学習を行う。その結果、領域内に複数の発信源が存在し、同時に電波が送信されている場合であっても、各々の発信源の位置を推定して出力できる。
次に、第3の実施形態について図面を参照して詳細に説明する。
図15は、第3の実施形態に係る発信源位置推定システムの処理構成の一例を示す図である。図15を参照すると、第3の実施形態では、第1及び第2の実施形態の入力部201の代わりに、発信源からの信号を受信するM個のセンサ801−1〜801−Mと、通信網802と、通信部803を有する点が異なる。
上記構成要素のそれぞれは概略つぎのように動作する。
第3の実施形態の効果について説明する。第3の実施形態では、センサ801−1〜801−MがRSSと自己位置を計測して、計測したデータが通信網802を介してデータ分類部202と接続されるように構成されているため、訓練及び推定のプロセスをオンラインで実施できる。
次に、第4の実施形態について図面を参照して詳細に説明する。
図16は、第4の実施形態に係る発信源位置推定システムの処理構成の一例を示す図である。図16を参照すると、第4の実施形態は、第3の実施形態の位置計測部805の代わりに、センサ位置保持部901とセンサ位置付加部902とを有する点が異なる。
上記構成要素のそれぞれは概略つぎのように動作する。
第4の実施形態の効果について説明する。第4の実施形態では、センサ801−1〜801−Mが計測したRSS計測値セットに、センサ位置保持部901が保持するセンサ位置を付加してデータ分類部202と接続されるように構成されている。そのため、センサの位置計測部805が不要となり、センサを低コストに作成できる。
次に、第5の実施形態について図面を参照して詳細に説明する。
図17は、第5の実施形態に係る発信源位置推定システムの処理構成の一例を示す図である。図17を参照すると、第5の実施形態は、第4の実施形態と比較して、時間・気象計測部1001と、時間・気象ラベル付加部1002とを有する点が異なる。
上記構成要素のそれぞれは概略つぎのように動作する。
第5の実施形態の効果について説明する。第5の実施形態では、センサ801−1〜801−Mが計測したRSS計測値セットに、時間ラベルや気象ラベルが付与される。そのため、データ分類部202において、時間や気象に応じた分類が行える。すなわち、付与された時間ラベルと気象ラベルに応じた訓練と推定が行えるようになる。例えば、時間については、1年間を周期として、季節に応じて植生が変化するため、葉の生い茂った夏は電波が植生によって吸収されて減衰しやすく、葉の落ちた冬は電波を遮るものがなくなって遠距離まで届きやすい。
なお、上記実施形態にて説明した発信源位置推定システムの構成、動作等は例示であって、システムの構成等を限定する趣旨ではない。例えば、受信装置10と信号処理装置20が統合されてこれらの機能が単一の装置により実現されていてもよい。
[付記1]
任意位置の発信源からの信号を特定の位置で受信したときに得られる、発信位置に依存した特徴量を予測する予測モデルを生成する、予測モデル生成部(101、211)と、
既知位置の参照発信源からの信号に基づき取得された特徴量の計測値と、前記予測モデルを用いて算出された、前記既知位置の参照発信源に関する特徴量の予測値と、の誤差を複数の参照発信源位置に対して計算することで誤差群を算出する、誤差群算出部(102、212)と、
任意位置の疑似発信源と前記参照発信源各々との位置関係に応じて前記誤差群を合成し、合成誤差として出力する、誤差合成部(103、215)と、
前記疑似発信源からの信号を受信したときの前記予測モデルによる特徴量の予測値を、前記合成誤差を用いて補正する、疑似計測値補正部(104、216)と、
前記発信位置に依存した特徴量の計測値を、少なくとも前記補正後の疑似発信源からの特徴量の予測値に基づき学習された学習モデルに入力することで、発信源位置を推定する位置推定部(105、206)と、
を備える、位置推定装置(40、100)。
[付記2]
前記誤差合成部(103、215)は、前記任意位置の疑似発信源と前記参照発信源各々との位置関係に応じて決定される重み係数を用いて前記誤差群を加重平均し、前記合成誤差を計算する、付記1に記載の位置推定装置(40、100)。
[付記3]
前記既知位置の参照発信源からの信号に基づき取得された特徴量の計測値と前記補正後の疑似発信源からの特徴量の予測値に基づき、前記発信位置に依存した特徴量と正解位置の対応関係を学習し学習モデルを生成する、学習部(205)をさらに備える、付記1又は2に記載の位置推定装置(40、100)。
[付記4]
前記重み係数は、前記疑似発信源と前記参照発信源の間の距離のべき乗で表現される、付記2に記載の位置推定装置(40、100)。
[付記5]
前記重み係数は、任意の2つの参照発信源に対して、2点間の距離に対する誤差の類似度の空間相関モデルを作成し、当該空間相関モデルと整合するように、参照発信源と疑似発信源の間の距離に応じて決定される、付記2に記載の位置推定装置(40、100)。
[付記6]
異なる発信源位置に対応する前記計測値又は前記疑似発信源による疑似計測値を1以上合成して出力する、疑似計測値合成部(701)をさらに備える、付記1乃至5のいずれか一つに記載の位置推定装置(40、100)。
[付記7]
前記発信位置に依存した特徴量を計測する計測部を備えるセンサとネットワークを介して接続された通信部(803)をさらに備える、付記1乃至6のいずれか一つに記載の位置推定装置(40、100)。
[付記8]
前記特徴量は、電波強度である付記1乃至7のいずれか一つに記載の位置推定装置(40、100)。
[付記9]
領域内に設置された各々の前記センサの位置を保持する、センサ位置保持部(901)と、
前記通信部(803)を介して得られる、前記センサが計測したデータに前記センサの位置を付加して出力する、センサ位置付加部(902)と、をさらに備える、付記7に記載の位置推定装置(40、100)。
[付記10]
計測を行った時間に関する時間情報、又は、計測を行った日の気象に関する気象情報を取得する時間・気象計測部(1001)と、
前記通信部を介して得られる前記センサが計測したデータに、前記時間情報又は気象情報を付加する、時間・気象ラベル付加部(1002)と、
をさらに備える、付記7に記載の位置推定装置(40、100)。
[付記11]
位置推定装置(40、100)において、
任意位置の発信源からの信号を特定の位置で受信したときに得られる、発信位置に依存した特徴量を予測する予測モデルを生成するステップと、
既知位置の参照発信源からの信号に基づき取得された特徴量の計測値と、前記予測モデルを用いて算出された、前記既知位置の参照発信源に関する特徴量の予測値と、の誤差を複数の参照発信源位置に対して計算することで誤差群を算出するステップと、
任意位置の疑似発信源と前記参照発信源各々との位置関係に応じて前記誤差群を合成し、合成誤差として出力するステップと、
前記疑似発信源からの信号を受信したときの前記予測モデルによる特徴量の予測値を、前記合成誤差を用いて補正するステップと、
前記発信位置に依存した特徴量の計測値を、少なくとも前記補正後の疑似発信源からの特徴量の予測値に基づき学習された学習モデルに入力することで、発信源位置を推定するステップと、
を含む、位置推定方法。
[付記12]
位置推定装置(40、100)に搭載されたコンピュータに、
任意位置の発信源からの信号を特定の位置で受信したときに得られる、発信位置に依存した特徴量を予測する予測モデルを生成する処理と、
既知位置の参照発信源からの信号に基づき取得された特徴量の計測値と、前記予測モデルを用いて算出された、前記既知位置の参照発信源に関する特徴量の予測値と、の誤差を複数の参照発信源位置に対して計算することで誤差群を算出する処理と、
任意位置の疑似発信源と前記参照発信源各々との位置関係に応じて前記誤差群を合成し、合成誤差として出力する処理と、
前記疑似発信源からの信号を受信したときの前記予測モデルによる特徴量の予測値を、前記合成誤差を用いて補正する処理と、
前記発信位置に依存した特徴量の計測値を、少なくとも前記補正後の疑似発信源からの特徴量の予測値に基づき学習された学習モデルに入力することで、発信源位置を推定する処理と、
を実行させるプログラム。
なお、付記11の形態及び付記12の形態は、付記1の形態と同様に、付記2の形態〜付記10の形態に展開することが可能である。
20、20−1〜20−M 信号処理装置
30 記憶装置
40、100 位置推定装置
101 予測モデル生成部
102 誤差群算出部
103 誤差合成部
104 疑似計測値補正部
105、206 位置推定部
201 入力部
202 データ分類部
203 訓練データ拡張部
204 訓練データ結合部
205 学習部
207 出力部
211 伝搬モデル生成部
212 参照発信源誤差セット作成部
213 疑似発信源位置決定部
214 モデルベース疑似計測値セット生成部
215 疑似発信源用誤差セット合成部
216 疑似計測値セット補正部
311 プロセッサ
312 メモリ
313 入出力インターフェイス
314 通信インターフェイス
701 複数波源疑似計測値セット合成部
801−1〜801−M センサ
802 通信網
803、806 通信部
804 電波強度計測部
805 位置計測部
901 センサ位置保持部
902 センサ位置付加部
1001 時間・気象計測部
1002 時間・気象ラベル付加部
Claims (12)
- 任意位置の発信源からの信号を特定の位置で受信したときに得られる、発信位置に依存した特徴量を予測する予測モデルを生成する、予測モデル生成部と、
既知位置の参照発信源からの信号に基づき取得された特徴量の計測値と、前記予測モデルを用いて算出された、前記既知位置の参照発信源に関する特徴量の予測値と、の誤差を複数の参照発信源位置に対して計算することで誤差群を算出する、誤差群算出部と、
任意位置の疑似発信源と前記参照発信源各々との位置関係に応じて前記誤差群を合成し、合成誤差として出力する、誤差合成部と、
前記疑似発信源からの信号を受信したときの前記予測モデルによる特徴量の予測値を、前記合成誤差を用いて補正する、疑似計測値補正部と、
前記発信位置に依存した特徴量の計測値を、少なくとも前記補正後の疑似発信源からの特徴量の予測値に基づき学習された学習モデルに入力することで、発信源位置を推定する位置推定部と、
を備える、位置推定装置。 - 前記誤差合成部は、前記任意位置の疑似発信源と前記参照発信源各々との位置関係に応じて決定される重み係数を用いて前記誤差群を加重平均し、前記合成誤差を計算する、請求項1に記載の位置推定装置。
- 前記既知位置の参照発信源からの信号に基づき取得された特徴量の計測値と前記補正後の疑似発信源からの特徴量の予測値に基づき、前記発信位置に依存した特徴量と正解位置の対応関係を学習し学習モデルを生成する、学習部をさらに備える、請求項1又は2に記載の位置推定装置。
- 前記重み係数は、前記疑似発信源と前記参照発信源の間の距離のべき乗で表現される、請求項2に記載の位置推定装置。
- 前記重み係数は、任意の2つの参照発信源に対して、2点間の距離に対する誤差の類似度の空間相関モデルを作成し、当該空間相関モデルと整合するように、参照発信源と疑似発信源の間の距離に応じて決定される、請求項2に記載の位置推定装置。
- 異なる発信源位置に対応する前記計測値又は前記疑似発信源による疑似計測値を1以上合成して出力する、疑似計測値合成部をさらに備える、請求項1乃至5のいずれか一項に記載の位置推定装置。
- 前記発信位置に依存した特徴量を計測する計測部を備えるセンサとネットワークを介して接続された通信部をさらに備える、請求項1乃至6のいずれか一項に記載の位置推定装置。
- 前記特徴量は、電波強度である請求項1乃至7のいずれか一項に記載の位置推定装置。
- 領域内に設置された各々の前記センサの位置を保持する、センサ位置保持部と、
前記通信部を介して得られる、前記センサが計測したデータに前記センサの位置を付加して出力する、センサ位置付加部と、をさらに備える、請求項7に記載の位置推定装置。 - 計測を行った時間に関する時間情報、又は、計測を行った日の気象に関する気象情報を取得する時間・気象計測部と、
前記通信部を介して得られる前記センサが計測したデータに、前記時間情報又は気象情報を付加する、時間・気象ラベル付加部と、
をさらに備える、請求項7に記載の位置推定装置。 - 位置推定装置において、
任意位置の発信源からの信号を特定の位置で受信したときに得られる、発信位置に依存した特徴量を予測する予測モデルを生成するステップと、
既知位置の参照発信源からの信号に基づき取得された特徴量の計測値と、前記予測モデルを用いて算出された、前記既知位置の参照発信源に関する特徴量の予測値と、の誤差を複数の参照発信源位置に対して計算することで誤差群を算出するステップと、
任意位置の疑似発信源と前記参照発信源各々との位置関係に応じて前記誤差群を合成し、合成誤差として出力するステップと、
前記疑似発信源からの信号を受信したときの前記予測モデルによる特徴量の予測値を、前記合成誤差を用いて補正するステップと、
前記発信位置に依存した特徴量の計測値を、少なくとも前記補正後の疑似発信源からの特徴量の予測値に基づき学習された学習モデルに入力することで、発信源位置を推定するステップと、
を含む、位置推定方法。 - 位置推定装置に搭載されたコンピュータに、
任意位置の発信源からの信号を特定の位置で受信したときに得られる、発信位置に依存した特徴量を予測する予測モデルを生成する処理と、
既知位置の参照発信源からの信号に基づき取得された特徴量の計測値と、前記予測モデルを用いて算出された、前記既知位置の参照発信源に関する特徴量の予測値と、の誤差を複数の参照発信源位置に対して計算することで誤差群を算出する処理と、
任意位置の疑似発信源と前記参照発信源各々との位置関係に応じて前記誤差群を合成し、合成誤差として出力する処理と、
前記疑似発信源からの信号を受信したときの前記予測モデルによる特徴量の予測値を、前記合成誤差を用いて補正する処理と、
前記発信位置に依存した特徴量の計測値を、少なくとも前記補正後の疑似発信源からの特徴量の予測値に基づき学習された学習モデルに入力することで、発信源位置を推定する処理と、
を実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019076361 | 2019-04-12 | ||
JP2019076361 | 2019-04-12 | ||
PCT/JP2020/009924 WO2020208987A1 (ja) | 2019-04-12 | 2020-03-09 | 位置推定装置、位置推定方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020208987A1 true JPWO2020208987A1 (ja) | 2021-12-09 |
JP7238972B2 JP7238972B2 (ja) | 2023-03-14 |
Family
ID=72751090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021513519A Active JP7238972B2 (ja) | 2019-04-12 | 2020-03-09 | 位置推定装置、位置推定方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7238972B2 (ja) |
WO (1) | WO2020208987A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7384363B2 (ja) | 2021-02-22 | 2023-11-21 | ソフトバンク株式会社 | 位置推定システム、飛行体、情報処理装置、位置推定用の学習済みモデルの作成方法、及び、位置推定用の学習済みモデル |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005024535A (ja) * | 2003-06-12 | 2005-01-27 | Mitsubishi Electric Corp | 位置推定装置 |
US20100138184A1 (en) * | 2008-12-01 | 2010-06-03 | Andrew David Fernandez | Likelihood Map System for Localizing an Emitter |
JP2013053930A (ja) * | 2011-09-05 | 2013-03-21 | Nippon Telegr & Teleph Corp <Ntt> | 物品位置特定システム、物品位置特定方法および物品位置特定プログラム |
JP2013205398A (ja) * | 2012-03-29 | 2013-10-07 | Tokyo Institute Of Technology | 発信源推定方法およびそれを利用した発信源推定装置 |
JP2015017845A (ja) * | 2013-07-09 | 2015-01-29 | 富士通株式会社 | 位置推定方法、位置推定装置および位置推定システム |
JP2015040721A (ja) * | 2013-08-20 | 2015-03-02 | 国立大学法人東京工業大学 | 推定方法およびそれを利用した推定装置 |
JP2017142180A (ja) * | 2016-02-10 | 2017-08-17 | 国立大学法人 名古屋工業大学 | 位置推定方法及び位置推定システム |
-
2020
- 2020-03-09 WO PCT/JP2020/009924 patent/WO2020208987A1/ja active Application Filing
- 2020-03-09 JP JP2021513519A patent/JP7238972B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005024535A (ja) * | 2003-06-12 | 2005-01-27 | Mitsubishi Electric Corp | 位置推定装置 |
US20100138184A1 (en) * | 2008-12-01 | 2010-06-03 | Andrew David Fernandez | Likelihood Map System for Localizing an Emitter |
JP2013053930A (ja) * | 2011-09-05 | 2013-03-21 | Nippon Telegr & Teleph Corp <Ntt> | 物品位置特定システム、物品位置特定方法および物品位置特定プログラム |
JP2013205398A (ja) * | 2012-03-29 | 2013-10-07 | Tokyo Institute Of Technology | 発信源推定方法およびそれを利用した発信源推定装置 |
JP2015017845A (ja) * | 2013-07-09 | 2015-01-29 | 富士通株式会社 | 位置推定方法、位置推定装置および位置推定システム |
JP2015040721A (ja) * | 2013-08-20 | 2015-03-02 | 国立大学法人東京工業大学 | 推定方法およびそれを利用した推定装置 |
JP2017142180A (ja) * | 2016-02-10 | 2017-08-17 | 国立大学法人 名古屋工業大学 | 位置推定方法及び位置推定システム |
Also Published As
Publication number | Publication date |
---|---|
JP7238972B2 (ja) | 2023-03-14 |
WO2020208987A1 (ja) | 2020-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016031174A1 (ja) | シミュレーション装置、シミュレーション方法、および、記憶媒体 | |
Waters et al. | Data assimilation of partitioned HF radar wave data into Wavewatch III | |
CN106932771A (zh) | 一种雷达仿真目标航迹跟踪方法及系统 | |
Pinheiro et al. | Kernel-function-based models for acoustic localization of underwater vehicles | |
CN105182311A (zh) | 全向雷达数据处理方法及系统 | |
US11500082B2 (en) | Iterative learning adaptive sonar system, apparatus, method, and computer program product | |
US5537511A (en) | Neural network based data fusion system for source localization | |
CN110851790A (zh) | 一种基于深度学习算法的海流动力优化预报模型 | |
Robinson et al. | Prediction systems with data assimilation for coupled ocean science and ocean acoustics | |
WO2020208987A1 (ja) | 位置推定装置、位置推定方法及びプログラム | |
WO2020152824A1 (ja) | 状態予測装置および状態予測方法 | |
CN110426717B (zh) | 一种协同定位方法及系统、定位设备、存储介质 | |
Reed et al. | Oceanographic pursuit: Networked control of multiple vehicles tracking dynamic ocean features | |
JP6984739B2 (ja) | 捜索支援装置、捜索支援方法、及びプログラム | |
KR101941132B1 (ko) | 국지적 전리층지도의 가용영역 확장 장치 및 방법 | |
CN116719062A (zh) | 卫星的信号质量评估方法及装置、设备、存储介质 | |
Diamant | Prediction of water current using a swarm of submerged drifters | |
Hu et al. | Adaptive environmental sampling for underwater vehicles based on ant colony optimization algorithm | |
JP2015190896A (ja) | 目標探知支援システムおよびその方法 | |
JP6819797B2 (ja) | 位置推定装置、位置推定方法とプログラム、並びに、位置推定システム | |
CN113406565B (zh) | 车辆定位方法、装置及设备 | |
Rixen et al. | Super-ensemble forecasts and resulting acoustic sensitivities in shallow waters | |
Forero et al. | A multitask learning framework for broadband source-location mapping using passive sonar | |
US20230185310A1 (en) | Localization system, localization method, storage medium, and map generation device | |
Zhao et al. | A Periodically Updated Adaptive Sampling Framework for Marine Mobile Observation Platforms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210804 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210804 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220830 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221012 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230131 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230213 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7238972 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |