• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권9호
• /
• pp.595-602
• /
• 2013

WiFi 신호지도법은 실내 환경을 위한 효과적인 위치 추적 기술로 잘 알려져 있다. 하지만 이 기술은 주어진 공간 전역에 걸쳐 미리 구축된 대용량의 신호지도가 있어야 적용할 수 있다. 또한 이 기술을 적용하기 위해서는 환경이 변함에 따라 전문가에 의해 주기적으로 새로운 신호지도를 구축하거나 변경하는 작업이 필요하다. 최근 들어 이러한 문제점을 극복하기 위한 한 가지 방법으로서, 군중-제공 신호지도 작성 방식이 많은 연구자들의 관심을 모으고 있다. 이 방식은 다수의 자발적인 사용자들로 하여금 특정 공간에서 수집한 자신들의 신호지도를 다른 사람들과 함께 서로 공유할 수 있도록 해준다. 따라서 군중-제공 신호지도 방식을 이용하면 신호지도를 자동으로 최신의 상태로 변경할 수 있다. 하지만, 대부분의 군중-제공 신호지도 작성 시스템들에서는 사용자들이 자신의 위치를 스스로 판단하여 수작업으로 직접 입력하도록 요구하고 있다. 그 뿐만 아니라, 이들 시스템에서는 다수의 사용자들로부터 수집되는 신호지도들 중에서 오류가 있는 것들을 찾아내고 이들을 여과해주는 체계적인 메커니즘을 가지고 있지 않다. 본 논문에서는 군중-제공 신호지도 작성 및 위치 추적(CMAL) 시스템의 설계에 대해 소개한다. 본 논문에서 제안하는 시스템은 다수의 스마트폰 사용자들로부터 수집된 지역 신호지도들을 이용하여 자동으로 공유 신호지도를 구축/갱신할 수 있을 뿐만 아니라, 동시에 새로운 신호지도를 이용하여 각 스마트폰 사용자의 위치를 추적할 수 있는 기능을 제공한다. 본 시스템은 각 스마트폰에서 신호지도를 수집하는 다수의 클라이언트들과, 공유 신호지도 데이터베이스를 관리하는 중앙의 서버로 구성된다. 각 클라이언트에는 스마트폰 사용자의 실시간 위치를 추적하면서 동시에 지역 신호지도를 생성하는 파티클 필터-기반의 WiFi SLAM 엔진을 내장하고 있으며, 서버에는 공유 신호지도의 무결성 유지를 위한 가우시안 보간법 기반의 오류 여과 알고리즘을 채택하고 있다. 다양한 실험들을 수행한 결과를 통해, 본 논문에서 제안한 시스템의 높은 성능을 확인할 수 있었다.

• Journal of Positioning, Navigation, and Timing
• /
• 제12권1호
• /
• pp.37-42
• /
• 2023

Wi-Fi Received Signal Strength Indicator (RSSI) is considered one of the most important sensor data types for indoor localization. However, collecting a RSSI fingerprint, which consists of pairs of a RSSI measurement set and a corresponding location, is costly and time-consuming. In this paper, we propose a Wi-Fi RSSI learning technique without true location data to overcome the limitations of static database construction. Instead of the true reference positions, inertial measurement unit (IMU) data are used to generate pseudo locations, which enable a trainer to move during data collection. This improves the efficiency of data collection dramatically. From an experiment it is seen that the proposed algorithm successfully learns the unsupervised Wi-Fi RSSI positioning model, resulting in 2 m accuracy when the cumulative distribution function (CDF) is 0.8.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.639-640
• /
• 2018

현재 실내 측위 분야에서 전파 지문을 이용하여 위치를 확인하는 기술이 광범위하게 사용하고 있다. 이때 성공적인 위치 확인을 위해서는 학습과 테스트에 필요한 데이터의 구성 및 다차원 데이터 구성이 필요하다. 즉 무선 AP, BLE iBeacon, Mobile 단말 등의 다양한 주변 전파 지문의 변화로 발생할 수 있는 환경 변화에 대응할 수 있는 위치 데이터 수집 및 데이터 관리 기술이 요구된다. 따라서 본 논문에서는 측위에 필요한 전파 지문의 환경 변화에 덜 민감한 다차원 데이터를 구성하고 관리하는 기법을 제안한다.

• 정보처리학회논문지B
• /
• 제19B권3호
• /
• pp.177-182
• /
• 2012

본 논문에서는 대규모 실내 환경에서 WiFi 모듈이 내장된 스마트폰 사용자의 위치를 추적하기 위한 효과적인 이동 모델과 관측 모델을 제시한다. 제안하는 세 가지 부속 이동 모델들은 보행자의 움직임에 대한 더 정확한 예상 확률 분포를 제공한다. 또, 가우시안 보간법 기반의 관측 모델은 훈련 데이터 의 수집이 이루어지지 않은 지역들에 대해서도 관측 우도 계산을 가능하게 한다. 파티클 필터 프레임워크 속에 이와 같은 이동 모델과 관측 모델을 결합함으로써, 본 연구의 위치 추적 알고리즘은 대규모 실내 환경들에서도 스마트폰 사용자의 위치를 정확하게 추적할 수 있다. 한 복층 건물에서 안드로이드 스마트폰으로 수행한 실험을 통해, 본 연구에서 제안한 WiFi 위치 추적 알고리즘의 성능을 확인할 수 있었다.

• 한국통신학회논문지
• /
• 제38C권6호
• /
• pp.531-539
• /
• 2013

Wi-Fi 기반 위치 추적 기술은 다양한 방법들이 제시되어 있으나 일반적으로 지정한 참조위치에서 측정한 신호세기 정보를 활용하는 핑거프린트 기법을 주로 이용한다. 그러나 핑거프린트 기법이 높은 해상도와 정밀도를 가지기 위해서는 다수의 참조위치를 필요로 하지만, 다수의 정보를 위해서는 많은 비용의 소모가 발생한다. 본 논문에서는 서비스 지역을 격자로 구분하고 가상의 참조위치를 바탕으로 신호 세기 모델을 만들어서 격자의 신호 세기정보를 예측하고 신뢰도를 부여하여 핑거프린트 맵을 생성한다. 이렇게 생성된 맵은, 위치 추정을 위해 입력된 신호 세기 리스트와 비교하여 추정하고자 하는 대상이 어떠한 격자에 있는지 비교하는데 사용한다. 제안하는 기법과 시스템의 성능을 평가하기 위해 $20m{\times}22m$의 실내 환경에서 기존의 핑거프린트 기법(RADAR)과 비교한 결과 제안하는 시스템을 이용할 때 위치 측정 에러가 감소하는 결과를 확인하였다. 그리고 실험 결과 기존의 방법에 비해 1.74미터의 에러가 감소한 것을 확인했다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권5호
• /
• pp.1339-1355
• /
• 2023

Localization is a hot research spot for many areas, especially in the mobile robot field. Due to the weak signal of the global positioning system (GPS), the alternative schemes in an indoor environment include wireless signal transmitting and receiving solutions, laser rangefinder to build a map followed by a re-localization stage and visual positioning methods, etc. Among all wireless signal positioning techniques, Wi-Fi is the most common one. Wi-Fi access points are installed in most indoor areas of human activities, and smart devices equipped with Wi-Fi modules can be seen everywhere. However, the localization of a mobile robot using a Wi-Fi scheme usually lacks orientation information. Besides, the distance error is large because of indoor signal interference. Another research direction that mainly refers to laser sensors is to actively detect the environment and achieve positioning. An occupancy grid map is built by using the simultaneous localization and mapping (SLAM) method when the mobile robot enters the indoor environment for the first time. When the robot enters the environment again, it can localize itself according to the known map. Nevertheless, this scheme only works effectively based on the prerequisite that those areas have salient geometrical features. If the areas have similar scanning structures, such as a long corridor or similar rooms, the traditional methods always fail. To address the weakness of the above two methods, this work proposes a coarse-to-fine paradigm and an improved localization algorithm that utilizes Wi-Fi to assist the robot localization in a geometrically similar environment. Firstly, a grid map is built by using laser SLAM. Secondly, a fingerprint database is built in the offline phase. Then, the RSSI values are achieved in the localization stage to get a coarse localization. Finally, an improved particle filter method based on the Wi-Fi signal values is proposed to realize a fine localization. Experimental results show that our approach is effective and robust for both global localization and the kidnapped robot problem. The localization success rate reaches 97.33%, while the traditional method always fails.

• 한국멀티미디어학회논문지
• /
• 제24권5호
• /
• pp.676-683
• /
• 2021

Wi-Fi Round-trip timing (RTT) based location estimation technology estimates the distance between the user and the AP based on the transmission and reception time of the signal. This is because reception instability and signal distortion are greater than that of a Received Signal Strength Indicator (RSSI) based fingerprint in an indoor NLOS environment, resulting in a large position error due to multipath fading. To solve this problem, in this paper, we propose an end-to-end based WiFi Trilateration Net (WTN) that combines neural network-based RTT correction and trilateral positioning network, respectively. The proposed WTN is composed of an RNN-based correction network to improve the RTT distance accuracy and a neural network-based trilateral positioning network for real-time positioning implemented in an end-to-end structure. The proposed network improves learning efficiency by changing the trilateral positioning algorithm, which cannot be learned through differentiation due to mathematical operations, to a neural network. In addition, in order to increase the stability of the TOA based RTT, a correction network is applied in the scanning step to collect reliable distance estimation values from each RTT AP.

• 한국산학기술학회논문지
• /
• 제17권1호
• /
• pp.1-8
• /
• 2016

본 논문에서는 GPS를 이용할 수 없는 지하철 승강장에서 움직이는 지하철의 위치 추적 정확성을 높이기 위해 WiFi 핑거프린트 기법에 k-nn기반 알고리즘들을 적용한 후 오류를 검출하고 비교하였다. 승강장내 지하철의 위치 정보는 지하철 제어를 위해 종합사령실에서 필요로 하며, 이용객의 안전과 편의를 위해 다양하게 사용되어지고 있다. 현재 역사 또는 승강장 내에는 승객의 편의를 위해 각 통신사별로 WiFi용 AP(Access Point)들이 다수 설치되어 있어 이를 활용한 다양한 위치 추정 연구들도 활발히 진행되고 있다. 본 연구에서는 설치되어진 WiFi용 AP를 활용할 경우와 신규로 WiFi용 AP를 설치할 경우등을 고려하여 다양한 조건에서 지하철의 위치를 추적할 수 있는 시뮬레이터를 개발한 후 모의실험을 진행하였다. 개발된 시뮬레이터는 설치된 WiFi용 AP들의 개수와 승강장 넓이, 지하철 진입속도 등에 따라 지하철의 위치를 추적할 수 있도록 설계되었다. 그리고 k-nn알고리즘과 fuzzy k-nn알고리즘을 선택적으로 적용할 수 있으며 핑거프린트 데이터베이스를 기반으로 4가지의 거리 측정 알고리즘을 적용하여 위치 추적 오류를 비교할 수 있도록 하였다. 시뮬레이터를 이용한 모의 실험결과 0.5m의 그리드 단위길이에 8개의 WiFi용 AP를 설치하고 'minkowski' 거리 측정 알고리즘을 적용한 k-nn알고리즘를 사용할 경우 가장 정확한 위치 추적결과를 얻을 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.264-266
• /
• 2022

전파 지문 기반의 실내 경로 생성 기술에 RNN 모델을 적용하기 위해서는 데이터 세트가 연속적이고 순차적이어야 한다. 그러나 Wi-Fi 전파 지문 데이터는 수집 시점의 특정 위치에 대한 특징 정보로서 연속성이 보장되지 않기 때문에 RNN 데이터로는 부적합하다. 따라서 순차적 위치의 연속성 정보를 부여해야한다. 이를 위해서는 신호 데이터를 기반으로 각 지역의 구분을 통해 클러스터링이 가능하다. 이때 클러스터 간의 연속성 정보에는 전파 신호의 한계로 이해 실제 이동이 가능한지의 정보를 담지 못한다. 따라서 인접 클러스터간의 이동이 가능한지에 대한 연관성 정보가 필요하다. 본 논문에서는 딥러닝 네트워크인 순환신경망(RNN) 모델을 사용해 이동 중인 객체의 경로 예측을 위한 기술로서 실내 환경에서 경로 생성을 위해 연속적인 위치 정보를 생성하여 객체의 경로 예측 시 발생할 수 있는 오류를 낮추고 예측 경로상의 이동이 불가능한 잘못된 경로 예측을 회피할 수 있는 향상된 이동 경로 생성을 위한 클러스터링 상호간의 연관성을 부여하는 기법을 제안한다.

• 한국통신학회논문지
• /
• 제37권7B호
• /
• pp.586-594
• /
• 2012

무선인터넷과 이동통신 기술의 발달 및 스마트폰의 급속한 확산으로 인해 사용자의 현재 및 과거의 위치 정보를 사용하여 다양한 부가정보를 제공하는 위치기반 서비스에 대한 관심이 급증하고 있다. 위치기반 서비스의 본격적인 활성화를 위해서는 정확한 측위가 기본이 된다. 본 논문에서는 Access Point의 위치를 확률적으로 추정하여 AP 분포 지도를 구성하여 이를 위치 추정에 사용하는 기법을 제공한다. 특히 전파지문 기반의 Wi-Fi Positioning Ssystem이 발전할수록 데이터 필터링, 측위 알고리즘과 같은 기술적 기법의 향상에 주목을 하여야 보다 차별적인 품질의 측위 결과를 얻어낼 수 있는데 본 논문에서는 Access Point 위치의 확률 분포를 구하여 이를 측위에 적용하는 방식을 제안하여 기존의 방식과 비교하여 평균과 편차폭 모두 상당한 향상을 가져왔음을 보인다. 또한 본 연구는 전파지문 패턴의 수집에 있어 서울 지역의 실제 데이터를 활용하였고 이를 대규모로 적용할 수 있는 기반을 구성했다는 면에서도 충분한 의미를 지닌다.