A Dataset For Indoor Localization Using A Smart Home in a Box

本数据集是通过Eurvalve智能家庭在盒中的康复监测系统收集的测量数据，旨在评估智能家庭环境中的室内定位方法，使用腕戴式可穿戴设备记录三轴加速度计测量值，并通过蓝牙低能耗（BLE）包传输。数据包括10个不同参与者在房屋各房间的真实位置。This dataset comprises measurement data collected via the Eurvalve Smart Home in a Box rehabilitation monitoring system, designed to evaluate indoor positioning methodologies within a smart home environment. It utilizes wrist-worn wearable devices to record triaxial accelerometer measurements, which are transmitted via Bluetooth Low Energy (BLE) packets. The dataset includes real-time location data from 10 distinct participants across various rooms in a residential setting.

原始信息汇总

数据集概述

数据集名称

A Dataset For Indoor Localization Using A Smart Home in a Box

数据集来源

该数据集最初为论文《Understanding the Quality of Calibrations for Indoor Localisation》收集。

数据集描述

本数据集包含使用Eurvalve Smart Home In a Box (SHIB)康复监测系统获取的测量数据，旨在评估智能家庭环境中的室内定位方法。数据集中的穿戴设备记录了三轴加速度计测量值，这些测量值作为蓝牙低能耗(BLE)数据包的负载进行采样和传输。四个接收网关分别放置在SPHERE房屋的不同房间内，提取加速度计数据并确定每个接收BLE数据包的接收信号强度指示器(RSSI)。RSSI值可以表示穿戴发射器和网关接收器之间的距离或阴影引起的传播损耗。数据集包括10个独特参与者在房屋各房间的真实位置。

数据集内容

• 三轴加速度计测量数据
• 蓝牙低能耗(BLE)数据包的接收信号强度指示器(RSSI)
• 10个参与者的真实位置数据

数据集用途

评估智能家庭环境中的室内定位方法

数据集相关论文

• Understanding the Quality of Calibrations for Indoor Localisation
• TODO - DiB.

搜集汇总

数据集介绍

构建方式

该数据集构建于智能家居环境中，旨在评估室内定位方法的性能。数据采集使用了Eurvalve Smart Home In a Box（SHIB）康复监测系统，通过佩戴在手腕上的可穿戴设备记录三轴加速度计测量值。这些数据通过蓝牙低功耗（BLE）数据包进行传输，并由分布在房屋不同房间的四个接收网关提取加速度计数据，并计算每个接收到的BLE数据包的接收信号强度指示（RSSI）。数据集中包含了10名参与者在房屋不同房间的真实位置信息。

特点

该数据集的特点在于其专注于室内定位领域，提供了丰富的加速度计和RSSI数据。数据采集环境为真实的智能家居场景，涵盖了多个房间的布局信息。数据集还包含了参与者的真实位置信息，为室内定位算法的验证提供了可靠的基准。此外，数据集的采集设备采用了低功耗蓝牙技术，确保了数据的实时性和高效传输。

使用方法

该数据集可用于评估和开发室内定位算法。研究人员可以通过分析加速度计和RSSI数据，结合参与者的真实位置信息，验证定位算法的准确性。数据集中的房屋平面图信息可用于模拟不同的室内环境，帮助优化定位算法的适应性。此外，数据集还可用于研究蓝牙信号在复杂室内环境中的传播特性，为智能家居系统的设计提供参考。

背景与挑战

背景概述

该数据集名为'A Dataset For Indoor Localization Using A Smart Home in a Box'，最初为论文《Understanding the Quality of Calibrations for Indoor Localisation》而创建，旨在评估智能家居环境中的室内定位方法。数据集由Eurvalve Smart Home In a Box（SHIB）康复监测系统收集，包含通过手腕佩戴的可穿戴设备获取的三轴加速度计测量数据。这些数据通过蓝牙低功耗（BLE）包传输，并由分布在SPHERE房屋不同房间的四个接收网关提取。数据集还提供了10名参与者在房屋内的真实位置信息，为室内定位算法的研究提供了重要支持。该数据集的研究背景涉及智能家居、物联网和室内定位技术的交叉领域，对相关领域的研究具有重要影响。

当前挑战

该数据集面临的挑战主要集中在两个方面。首先，室内定位问题本身具有复杂性，尤其是在多房间、多障碍物的环境中，信号传播会受到距离和阴影效应的影响，导致接收信号强度指示（RSSI）值的波动，从而影响定位精度。其次，在数据构建过程中，如何确保数据的准确性和一致性是一个关键挑战。由于数据采集依赖于可穿戴设备和多个网关的协同工作，设备校准、数据同步以及环境干扰等因素都可能对数据质量产生影响。此外，如何有效利用有限的RSSI数据来推断用户位置，也是算法设计中的一大难题。

常用场景

经典使用场景

该数据集主要用于评估智能家居环境中的室内定位技术，特别是在使用腕戴式可穿戴设备进行定位的场景中。通过收集来自四个不同房间的蓝牙低功耗（BLE）信号强度指示（RSSI）数据，研究人员可以分析信号传播损耗与距离或遮挡物之间的关系，从而优化定位算法。

衍生相关工作

基于该数据集，研究人员开发了多种改进的室内定位算法，例如结合机器学习技术的RSSI信号处理方法和多传感器融合定位系统。这些工作进一步推动了智能家居和物联网领域的技术发展，并为相关应用场景提供了更高效的解决方案。

数据集最近研究

最新研究方向

近年来，随着智能家居和物联网技术的快速发展，室内定位技术成为研究热点。基于智能家居环境的室内定位数据集，如‘A Dataset For Indoor Localization Using A Smart Home in a Box’，为研究人员提供了丰富的实验数据。该数据集通过可穿戴设备采集三轴加速度计数据，并结合蓝牙低功耗（BLE）信号强度指示（RSSI）进行室内定位研究。当前的研究方向主要集中在如何利用机器学习算法优化RSSI信号的解析精度，以应对复杂室内环境中的多径效应和信号衰减问题。此外，结合多传感器融合技术，提升定位精度和鲁棒性，也是该领域的前沿探索方向。这一数据集的应用不仅推动了智能家居环境下的精准定位技术发展，还为康复监测、老年人护理等场景提供了重要的技术支持。