Wyszukiwarka
Abstrakt
In this article, the usage of deep learning (DL) in ultra-wideband (UWB) Wireless Body Area Networks (WBANs) is presented. The developed approach, using channel impulse response, allows higher efficiency in identifying the direct visibility conditions between nodes in off-body communication with comparison to the methods described in the literature. The effectiveness of the proposed deep feedforward neural network was checked on the basis of the measurement data for dynamic scenarios in an indoor environment. The obtained results clearly prove the validity of the proposed DL approach in the UWB WBANs and high (over 98.6% for most cases) efficiency for LOS and NLOS conditions classification.
Cytowania
-
2 6
CrossRef
-
0
Web of Science
-
2 8
Scopus
Autorzy (5)
Cytuj jako
Pełna treść
pobierz publikację
pobrano 74 razy
- Wersja publikacji
- Accepted albo Published Version
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.3390/s19194229
- Licencja
-
otwiera się w nowej karcie
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach
- Opublikowano w:
-
SENSORS
nr 19,
ISSN: 1424-8220 - Język:
- angielski
- Rok wydania:
- 2019
- Opis bibliograficzny:
- Cwalina K., Rajchowski P., Błaszkiewicz O., Olejniczak A., Sadowski J.: Deep Learning-Based LOS and NLOS Identification in Wireless Body Area Networks// SENSORS -Vol. 19,iss. 19 (2019), s.4229-
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.3390/s19194229
- Źródła finansowania:
-
- Publikacja bezkosztowa
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 195 razy