• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 춘계종합학술대회
• /
• pp.364-367
• /
• 2007

실내위치인식을 위한 플랫폼으로서 RSSI(Received Signal Strength Indicator)기반으로 Zigbee/IEEE802.15.4표준을 따르는 CC2431(Chipcon, Norway)과 베이스스테이션노드를 결합하여 실내위치인식 시스템을 구현하였다. CC2431은 지정된 위치에서 자신의 현재위치를 전송해주는 레퍼런스노드와 인접해있는 레퍼런스노드들의 현재위치(X, Y좌표)와 RSSI값을 수신받아 내장된 Location Engine에서 자신의 현재위치를 계산하여 베이스스테이션노드로 전송해주는 블라인드노드로 구성이 되어있다. 베이스스테이션노드는 블라인드노드의 현재위치를 전송받아서 PC로 데이터를 넘겨주기 위한 게이트웨이로 사용하였으며 서버측의 원격지뿐만 아니라 외부에서도 블라인드노드의 현재위치를 실시간으로 확인할 수가 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.465-468
• /
• 2007

센서 네트워크 시스템 기반의 저 전력, 저 비용의 지능형 홈 네트워크 시스템을 설계 및 구현 하였다. RSSI(Received Signal Strength Indicator)기반의 사용자 실내 위치 추적 시스템과 Dynamic multi-hop routing 시스템, 학습형 통합 리모컨을 활용한 능동적 가전기기 제어 시스템을 각각 설계하여 지능형 홈 네트워크 시스템을 구현 하였다. 지능형 서비스를 위해 반드시 팔요한 사용자 위치 정보는 RSSI기반의 삼각측량을 통해 계산하고 측정된 위치 정보값의 오차를 줄이기 위해 Smoothing Algorithm을 적용하였다. 또한 지능형 홈네트워크 서비스 제공을 위해 사용자가 휴대하는 무선 센서노드를 Layout 하여 설계, 제작하였으며 수집된 사용자의 실시간 위치 정보와 환경 센서 데이타는 Dynamic multi-hop routing을 통해 서버 프로그램으로 전달되며 각종 계산을 통해 사용자 위치정보와 환경 정보가 디스플레이 된다.

• 한국전자통신학회논문지
• /
• 제9권6호
• /
• pp.719-726
• /
• 2014

본 논문은 사용자 체감 품질에 관한 것으로서 특히 주관적인 측면을 포함하는 사용자 체감 품질을 어떻게 객관적인 방법으로 평가할 수 있는지에 관한 것이다. 본 논문은 현재 상용화되어 사용되고 있는 와이브로 무선 접속 인터페이스를 통해서 음성 서비스가 제공되는 경우에 다양한 품질 지표들의 값의 변화를 실제 측정하고 이들 간의 상관관계를 분석하여 음성 서비스의 사용자 체감 품질을 객관적으로 평가하고자 한다. 분석결과 와이브로를 통한 음성 서비스의 사용자 품질은 네트워크 계층에서 측정되는 전송 지연과 높은 상관관계를 보였고 다시 전송 지연은 무선 채널의 RSSI와 높은 상관관계를 가진다는 점을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제11권1호
• /
• pp.198-205
• /
• 2007

유비쿼터스 환경에 있는 사용자는 현재 자신의 위치, 시간 그리고 주변의 상태에 기반한 상황 인식 서비스를 받을 수 있다. 이러한 상황 인식 컴퓨팅에서 위치 기반서비스는 매우 중요한 역할을 한다. 위치를 측정하기 위하여 전용 장비를 설치하고 운영하는 데 많은 비용이 소요되기 때문에 기존의 WLAN(Wirless Local Area Netowork) 인프라스트럭처가 구축된 환경에서 무선 장비만을 이용하여 위치를 측정하는 방법들이 연구되고 있다. 이미 위치가 알려지고 고정된 AP(Access Point)와 노드간의 RSSI(Received Signal Strength Indicator)만을 이용하는 비콘 기반의 위치 측정 시스템 보다 무선 장비들 간의 RSSI 까지도 이용하는 상호 협력 위치 측정 시스템(Cooperative Positioning System)은 정확성이 높기 때문에 많은 관심을 끌고 있다. 본 논문에서는 상호 협력 위치 측정 시스템 중의 하나인 기존의 WiPS(wireless LAM based indoor Positioning System)의 문제점을 분석하고, 이웃하는 노드간의 영향 관계를 밝히고, 노드의 밀도에 따라 위치 수렴 조정 계수를 결정하여 성능을 개선한 WiCOPS-d(Wireless Cooperative Positioning System using node density)를 제안한다.

• 한국정보통신학회논문지
• /
• 제11권11호
• /
• pp.2172-2178
• /
• 2007

실내 환경에서 이러한 두가지변수인 대규모에서의 경로손실과 소규모에서의 페이딩현상은 거리에 대한 RSSI(Received Signal Strength Indicator) 값의 비선형적인 변화를 유발하게 되며 이러한 현상이 실내위치 추적에서의 문제점의 하나로 지적되고 있다. 이 연구에서는 동일한 방에서의 다른 위치와 시간에서의 RSSI변화를 실험에 의한 통계에 의해 찾아서 보다 정밀한 모델을 세워서 실내 RSSI 특성화를 이루려고 하였다. 실험에서 RSSI값이 공간과 일시적인 요인 두가지에 의해 결정되는 것이 확인되었고 다른 위치에 있는 모든 센서 노드도 공간차라메터는 다르지만 임시파라메터값은 동일하다는 것을 확인하였다. 임시 파라메터들도 환경변화에 따라 천천히 신간에 따라 변화하는 대규모적인 변수의 특성을 지닌다. 이러한 관계를 활용하여 위치추적을 보다 효율적이고 정밀하게 평가할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.558-560
• /
• 2009

에드 혹(Ad hoc) 망에서 위치 기반기술은 매우 필요하며, 많은 연구가 진행되고 있다. 본 논문에서는 RSSI(Received signal strength indicator)에 기반 한 노드의 거리 정보 추출을 자체 제작된 노드를 이용하여 시험 구현 하였다. 시험에 사용한 노드의 구성은 전용 마이크로 프로세서를 기반으로 동작하는 UoC(ubiquitous of System On Chip)시스템을 개발 적용하였고, 이로부터 제공되는 RSSI 속성정보를 이용 하여 LBS(Location-Based Service) 위치정보를 위한 실험을 수행 하였다. 노드의 성능 시험 결과로는 거리에 따른 전송 가능한 데이터 전송률(Delivery ratio)과 홉 수의 성능을 분석하고 이를 제시 하였다. 본 논문에서 제시된 결과는 보다 정확한 노드의 위치정보를 획득하는데 유용하게 사용 될 수 있다.

• 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.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.352-354
• /
• 2016

최근 스마트 기기의 발전과 함께 실내 위치 기반 서비스의 요구가 높아지고 있다. 이를 위해 블루투스 4.0의 BLE(Bluetooth Low Energy) 스펙에 추가된 iBeacon 기술을 이용한 실내 측위 시스템에 대한 연구가 활발히 진행되고 있다. 그러나 iBeacon과 수신 단말 사이의 거리 측정에 사용되는 RSSI(Received Signal Strength Indicator) 신호는 장애물과 같은 환경적 요인으로 부정확한 거리 측정의 문제점을 갖고 있다. 본 논문에서는 RSSI 신호의 신뢰성 증가를 위한 필터링 기술과 단말의 액세스 포인트 기능의 브로드캐스팅 신호를 이용하는 개선된 실내 측위 기법을 제안한다.

• 제어로봇시스템학회논문지
• /
• 제20권12호
• /
• pp.1204-1208
• /
• 2014

As required performance of UAV (Unmanned Aerial Vehicle) becomes more complex and complicated, required positioning accuracy is becoming more and more higher. GPS is a reliable world wide positioning providing system. Therefore, UAV generally acquires position information from GPS. But when GPS is not available such as too weak signal or too less GPS satellites environments, UAV needs alternative positioning system such as network positioning system. RSSI (Received Signal Strength Indicator) based positioning, which is one method of network positioning technologies, determines its position using RSSI measurements containing distance information from AP (Access Point)s. In that method, a selected AP's configuration has strong and tight relationship with its positioning errors. In this paper, for, we additionally account AP's configuration information by adopting DOP (Dilution of Precision) into AP selection procedures and provide more accurate RSSI based positioning results.

• Journal of Positioning, Navigation, and Timing
• /
• 제10권1호
• /
• pp.49-54
• /
• 2021

Indoor positioning system becomes of increasing interests due to the demands for accurate indoor location information where Global Navigation Satellite System signal does not approach. Wi-Fi access points (APs) built in many construction in advance helps developing a Wi-Fi Received Signal Strength Indicator (RSSI) based indoor localization. This localization method first collects pairs of position and RSSI measurement set, which is called fingerprint database, and then estimates a user's position when given a query measurement set by comparing the fingerprint database. The challenge arises from nonlinearity and noise on Wi-Fi RSSI measurements and complexity of handling a large amount of the fingerprint data. In this paper, machine learning techniques have been applied to implement Wi-Fi based localization. However, most of existing indoor localizations focus on single position estimation. The main contribution of this paper is to develop multi-target localization by using deep neural, which is beneficial when a massive crowd requests positioning service. This paper evaluates the proposed multilocalization based on deep learning from a multi-story building, and analyses its learning effect as increasing number of target positions.