Indoor Location Data Construction Technique using GAN

GAN을 이용한 실내 위치 데이터 구성 기법

Recently, technologies using Wi-Fi fingerprints and deep learning are being studied to provide accurate location-based services in an indoor environment. At this time, the composition of learning data is very important, and it is essential to collect sufficient data necessary for learning. However, the number of specific points for the collection of radio signal data within the area requiring positioning is infinite, and it is impossible to collect all of these data. Therefore, there is a need for a way to make up for insufficient learning data. This study proposes a method of constructing a sufficient number of location data necessary for learning based on insufficiently collected location data.

최근 실내 환경에서 정확한 위치 기반 서비스의 제공을 위해 Wi-Fi 핑거프린트와 딥러닝을 이용한 기술이 연구되고 있다. 이때 학습 데이터의 구성은 매우 중요하며 학습에 필요한 충분한 데이터의 수집은 필수적이다. 그러나 측위가 필요한 영역 내에서 무선 신호 데이터의 수집을 위한 특정 지점의 수는 무한하며 이러한 데이터를 모두 수집하는 것은 불가능하다. 따라서 부족한 학습 데이터를 보충할 수 있는 방법이 필요하다. 본 연구에서는 부족하게 수집된 위치 데이터를 기반으로 학습에 필요한 충분한 수의 위치 데이터의 구성 방법을 제안한다.