Carlo Alberto Boano

胸戴式UWB标签非视距（NLOS）检测方法比较，关注设备端准确性和效率

研究人员调查了检测佩戴在胸部的超宽带（UWB）标签上佩戴者引起的非视距（NLOS）条件的方法。该研究比较了设备端机器学习（ML）分类器与UWB无线链路指示器（LI），并探讨了结合两者优势的混合方法。对各种配置下的150万个样本的分析显示，虽然大多数分类器都能达到良好的准确性，但它们的性能和能效差异很大，有些分类器在边际收益上消耗的能量高达39.6倍。已开发出一种推荐工具，以帮助用户根据其特定约束选择最佳分类器。