• 한국인터넷방송통신학회논문지
• /
• 제24권3호
• /
• pp.41-47
• /
• 2024

Internet of Things (IoT)의 성능 발전 및 보급으로 다양한 위치 기반 서비스가 제공되고 있으며, 요구되는 서비스의 목적에 맞게 다양한 거리 추정 기법들이 연구되고 있다. 기존 거리 추정 기법은 태그와 앵커가 직접 신호를 교환하여 거리를 추정하기 때문에 대규모 IoT 환경에서 통신 자원을 효율적으로 사용하지 못하다는 한계점을 갖는다. 이러한 한계점을 극복하기 위해 능동적-수동적 거리 추정 기법들이 제안되었으나, 클록 드리프트 오차에 대한 이론적인 수렴성 보장과 거리 추정 기법의 특징에 대한 분석이 부족하여 정밀한 측위 결과를 도출하기 어려울 수 있다. 본 논문에서는 대규모 IoT 환경에서 정밀 측위를 위해 클록 드리프트 오차를 반영한 개선된 능동적-수동적 거리 추정 기법을 제안한다. 시뮬레이션 결과, 제안하는 개선된 능동적-수동적 거리 추정 기법은 기존 능동적-수동적 거리 추정 기법 대비 최대 94.4%, 14.4% 거리 추정 성능을 개선할 수 있음을 확인했다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.344-346
• /
• 2019

본 논문에서는 Ultra-Wideband(UWB) 시스템에서 합성곱 신경망을 이용한 거리 추정 기법을 제안한다. 합성곱 신경망을 이용한 딥러닝 모델을 학습하는데 사용하는 학습 데이터는 MATLAB 프로그램을 통해 생성하였으며, IEEE 802.15.4a 표준을 활용한다. 기존 거리 추정에 사용하는 문턱값 기반의 거리추정 기법과 성능 비교를 통해 제안하는 거리 추정 기법의 성능을 검증한다.

• 사물인터넷융복합논문지
• /
• 제9권2호
• /
• pp.71-76
• /
• 2023

본 논문에서는 단일 수신기가 사용되는 환경에서 정확한 거리 추정을 위해 심층 인공신경망 (Deep Neural Network, DNN)을 활용한 Smoothed Received Signal Strength Indicator (RSSI) 기반 거리 추정 기법을 제안한다. 제안 기법은 거리 추정 정확도 향상을 위해 Data Splitting, 결측치 대치, Smoothing 단계로 구성된 전처리 과정을 수행하여 Smoothed RSSI 값을 도출한다. 도출된 다수의 Smoothed RSSI 값은 Multi-Input Single-Output(MISO) DNN 모델의 Input Data로 사용되며 Input Layer와 Hidden Layer를 통과하여 최종적으로 Output Layer에서 추정 거리로 반환된다. 제안 기법의 우수성을 입증하기 위해 제안 기법과 선형회귀 기반 거리 추정 기법의 성능을 비교하였다. 실험 결과, 제안 기법이 선형회귀 기반 거리 추정 기법 대비 29.09% 더 높은 거리 추정 정확도를 보였다.

• 한국통신학회논문지
• /
• 제35권9C호
• /
• pp.778-785
• /
• 2010

본 논문에서는 IR-UWB 시스템에서의 채널추정 및 다중경로 지연시간 분석을 통한 고 정밀 거리추정 기법을 제안하고자 한다. IR-UWB 무선 신호를 송수신 할 때 정밀한 거리 추정을 위하여 무선채널을 경유한 신호의 전파 도달 시간을 측정하는 Time of Arrival 추정 기법에 의한 고 정밀 거리추정 방식을 수행 하였다. 제안된 기법에서는 Minimum Mean Square Error 또는 Zero Forcing 등의 채널추정 기법과 지연시간 추정 기법인 Matrix Pencil (MP) 기법을 합하여 송수신기 간의 존재하는 다중경로 중에 IR-UWB 펄스보다 더 좁은 간격으로 중첩 수신된 다중경로를 분석하여 수 cm이내의 정밀한 거리를 추정할 수 있음을 보였다. 또한, 제안된 기법을 적용한 시스템의 거리 추정 성능을 IEEE 802.15.4a 채널 모델 별로 비교 분석하였으며, MP parameter 값의 변화에 따른 거리 추정 성능과 연산량 변화를 컴퓨터 시뮬레이션을 통해 분석 하였다.

• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.104-113
• /
• 2022

본 논문에서는 OFDM 레이다를 위한 딥러닝 기반 표적의 거리 및 속도 추정 기법을 제안한다. 제안하는 기법은 표적으로부터 반사된 수신 신호를 받아 변조신호 제거 후 2차원 FFT를 통해 2차원 주기도를 얻는다. 주기도는 기존 및 제안 방법에서 표적의 거리 및 속도를 추정하는 입력신호이다. 주기도에서 정점은 표적의 위치를 나타내는데 표적의 거리 및 속도 추정을 위해 널리 사용되는 기존 기법은 CFAR (Constant False Alarm Rate) 알고리즘이다. 반면 제안하는 기법은 다중 출력 CNN (Convolutional Neural Network)을 이용하여 거리 및 속도를 추정한다. 기존 기법과 달리 제안 기법은 주기도 이외에 잡음 전력과 같이 추가적인 정보가 필요하지 않아 사용하기 편리하다. 컴퓨터 시뮬레이션 결과에 따르면 제안 추정 기법은 기존 기법보다 거리 및 속도 추정 MSE (Mean Square Error)오차 성능을 5배 이상 개선하며 송신 OFDM 심볼 개수가 증가할수록 정확도가 향상되는 특성을 보인다.

• 한국음향학회지
• /
• 제20권2호
• /
• pp.52-57
• /
• 2001

수중에서 음원까지의 거리를 추정하는 방법들이 연구되어 왔다. 그 가운데 초점 빔 형성기를 사용한 거리 추정 기법은 낮은 신호대 잡음비를 갖는 환경에서 우수한 성능을 갖는 것으고 알려져 있으나 다중 음원 환경에서는 성능 저하가 초래된다. 이에 본 논문에서는 두 개의 초점 빔 형성기를 사용하여 거리를 추정하는 방법을 제안하였다. 또한 표본화 주파수가 낮으면 초점 빔 형성기를 정확하게 원하는 위치로 지향할 수 없기 때문에 빔 패턴의 왜곡이 발생하게 되고, 그 결과 거리 추정 기법의 성능 저하를 초래한다. 그리고 이 논문에서는 표본화 주파수가 초점 빔 형성기를 이용하는 거리 추정 기법에 미치는 영향에 대해서도 고찰하도록 한다. 시뮬레이션을 통해 연구된 내용들을 검증하였다.

• 한국정보통신학회논문지
• /
• 제23권10호
• /
• pp.1290-1297
• /
• 2019

본 논문에서는 ultra-wideband(UWB) 시스템에서 합성곱 신경망(CNN)을 이용한 거리 추정 기법을 제안한다. 제안하는 기법은 UWB 신호를 이용하여 송신기와 수신기 사이의 거리를 추정하기 위하여 수신신호의 크기 샘플로 이루어진 1차원 벡터를 2차원 행렬로 재구성하며, 이 2차원 행렬로부터 합성곱 신경망 회귀를 이용하여 거리를 추정한다. IEEE 802.15.4a 표준의 UWB 실내 가시선 채널모델을 이용하여 수신신호를 생성하여 학습데이터를 만들며 합성곱 신경망 모델을 학습시킨다. 또한 실제 필드 시험을 통해 실내환경에서의 실험 데이터를 이용하여 거리추정 성능을 확인한다. 제안하는 기법은 기존의 문턱값 기반의 거리 추정 기법과의 성능비교도 수행하는데, 결과에 따르면 10m 거리에서 제안기법은 0.6m의 제곱근 평균 자승 에러를 보이는데 기존기법은 1.6m로 훨씬 큰 에러를 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2000년도 춘계종합학술대회
• /
• pp.367-370
• /
• 2000

수동형 거리 추정을 위해 다양한 기법들이 논의되고 있다. 바다 속과 같은 신호대 잡음비가 낮은 환경으로 인해 기존의 기법들은 오차발생으로 인한 정확한 음원의 거리 추정이 곤란하다. 그리하여 견인 어레이상에서 부어레이를 구성하여 부어레이의 빔 형성기를 가지고 다중 음원 환경에서 원하는 방향으로 표적과의 거리를 추정한다. 이 때 탐지 방향 이외의 음원 방향의 이득을 최소화시키는 null-constraint 기법을 사용하여 보다 향상된 거리 추정 기법을 제시한다.

• 한국전자통신학회논문지
• /
• 제6권5호
• /
• pp.637-642
• /
• 2011

본 논문에서는 움직임 객체 검출 기법의 성능을 향상시키기 위하여 소실점과 움직임 객체간의 거리를 추정하는 기법을 제안한다. 이를 위하여 먼저, 주어진 입력 영상에 대하여 하프변환을 이용하여 소실점을 추정하고, 이를 바탕으로 소실점과 움직임 객체간의 거리를 추출한다. 얻어진 거리 정보는 움직임 객체 추출에 효과적으로 사용된다. 모의실험에서 제안된 기법에 대한 모의실험 결과를 제시하였으며, 객체단위의 거리추정을 객체 추정에 활용할 수 있음 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제24권4호
• /
• pp.494-500
• /
• 2020

본 논문에서는 초광대역 (Ultra-wideband, UWB) 시스템에서 실내 위치 측위를 위한 새로운 거리 추정 기법을 제안한다. 제안하는 기법은 딥러닝 기법 중 하나인 순환 신경망 (RNN)을 기반으로 한다. 순환신경망은 시계열 신호를 처리하는데 유용한데 UWB 신호 역시 시계열 데이터로 볼 수 있기 때문에 순환신경망을 사용한다. 구체적으로, UWB 신호가 IEEE 802.15.4a 실내 채널모델을 통과하고 수신된 신호에서 순환신경망 회귀를 통해 송신기와 수신기 사이의 거리를 추정하도록 학습한다. 이렇게 학습된 순환신경망 모델의 성능은 새로운 수신신호를 이용하여 검증하며 기존의 임계값 기반의 거리 추정 기법과도 비교한다. 성능지표로는 제곱근 평균추정에러 (root mean square error, RMSE)를 사용한다. 컴퓨터 모의실험 결과에 따르면 제안하는 거리 추정 기법은 수신신호의 신호 대 잡음비 (signal to noise ratio, SNR) 및 송수신기 사이의 거리와 상관없이 기존 기법보다 항상 월등히 우수한 성능을 보인다.