• 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.

• 한국통신학회논문지
• /
• 제41권11호
• /
• pp.1463-1471
• /
• 2016

본 논문에서는 Wi-Fi환경에서 실내 위치추정의 성능 향상을 위해 이동 Wi-Fi 환경에서 핑거프린트 기반의 Difference Means를 이용한 실내 위치추정 알고리즘 (Algorithm using the Difference Means based on Fingerprint, DMFPA)을 제안하였다. 그리고 자체 개발한 실내 위치추정 시뮬레이터를 사용하여 제안한 DMFPA의 성능을 일반적인 핑거프린트 알고리즘 (OFPA), 가우시안 분포를 핑거프린트 알고리즘 (GDFPA)의 성능을 서로 비교하였다. 성능분석 항목은 각 참조구역에서의 평균위치추정 정확도, 발생된 오차의 평균오차 누적거리와 최대오차 누적거리, 그리고 평균측정시간으로 정의하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.168-171
• /
• 2016

In recent years, indoor localization in Wi-Fi environment has been researched for its location determining capability. The fingerprint and RF propagation models has been the main approach in determining indoor positioning. With the use of fingerprint, a low-cost, versatile localization system can be achieved without the use of external hardware. However, only a few research have been made on virtual access points (VAPs) among indoor localization models. In this paper, the idea of indoor localization system using fingerprint with the addition of VAP in Wi-Fi environment is discussed. The idea is to virtually add APs in the existing indoor Wi-Fi system, this would mean additional virtually APs in the network. The experiments of the proposed algorithm shows the positive results when 2VAPs are used compared with only APs. A combination of 3APs and 2VAPs had the lowest average error in all 4 scenarios with 3.99 meters.

• 한국통신학회논문지
• /
• 제37권8C호
• /
• pp.731-740
• /
• 2012

최근 실내 위치인식 서비스를 제공하기 위해 효율적이면서도 정밀한 실내 위치인식 시스템에 대한 요구가 증가하고 있다. 이러한 요구를 만족하기 위해 본 연구팀은 센서네트워크 기반의 위치인식 방법인 BLIDx(Bidirectional Location ID exchange) 프로토콜을 제안하였다. 하지만 BLIDx 프로토콜은 동시에 수많은 이동노드에 대해 신속한 위치인식을 할 수 있으나 셀 기반 위치인식을 사용하기 때문에 위치 정밀도가 낮은 단점이 있었다. 본 논문은 이러한 단점을 보완하기 위해 WLAN의 fingerprinting 방법을 변형한 fingerprint 중첩 방법을 제안하고, 제안한 방법을 사용한 위치인식 시스템을 설계 및 구현하였다. 성능평가 결과 제안된 위치인식 방법은 기존 fingerprinting 방법보다 정확도 및 오차 견고성이 높게 나타났다. 이러한 방법을 통해 BLIDx의 낮은 위치 정밀도를 개선하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제38권1호
• /
• pp.92-98
• /
• 2014

최근 저비용 실내 측위 시스템을 구축하기 위하여 WLAN기반 RSSI를 이용한 핑거프린트 기법이 많이 연구되고 있다. 이 기법은 UWB의 측위와 비교해서 상대적으로 정확도가 떨어지므로 다양한 실내 위치기반 서비스를 구현하기 위하여 지속적으로 WLAN기반 핑거프린트의 측위 성능은 향상되어야 한다. 따라서 본 논문에서는 IEEE 802.15.4 표준에 포함된 RSSI와 LQI를 이용하여 실내 측위 성능을 향상 할 수 있는 핑거프린트 기법을 제안한다. 제안한 기법은 RSSI와 LQI를 활용함으로써 각 위치의 특징을 더욱 뚜렷하게 만들고 변형된 유클리드 거리법을 사용하여 핑거프린트 기법을 개선하였다. 다양한 장애물이 존재하는 NLOS의 실내 환경에서 실험을 진행한 결과 측위 성능이 22% 향상되는 것을 확인하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제37권8호
• /
• pp.932-938
• /
• 2013

최근 WLAN을 이용한 실내 위치인식 방법 중 하나인 Fingerprint 기법은 신호의 반사 및 굴절에 의한 페이딩 현상에 강인하여 많이 연구되고 있다. 그러나 이 방법은 신호의 수집과 데이터베이스와 측정된 신호의 비교 연산의 과정에서 요구되는 시간과 연산량이 많다. 본 논문에서는 연산량을 줄이기 위하여 제안한 변형된 데이터베이스를 기반으로 실시간으로 수집되는 신호의 선택적 연산을 이용한 WLAN 실내 위치인식 알고리즘을 제안한다. 제안한 알고리즘은 신호의 세기에 따른 선형보간과 문턱치를 통하여 데이터베이스의 구성 시간 및 크기를 줄이고, 실시간으로 측정되는 신호의 선택적 연산을 통해 연산량은 감소시키면서 위치정확도를 유지하였다. 실험결과 제안한 알고리즘은 실내 복도 환경에서 기존의 Fingerprint 기법 대비 정확도를 17.8% 향상시켰으며 연산량은 평균 46% 감소되는 것을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권4호
• /
• pp.1611-1629
• /
• 2016

Recently, deploying WiFi access points (APs) for facilitating indoor localization has attracted increasing attention. However, most existing mechanisms in this aspect are typically simulation based and further they did not consider how to jointly utilize pre-existing APs in target environment and newly deployed APs for achieving high localization performance. In this paper, we propose a measurement-based AP deployment mechanism (MAPD) for placing APs in target indoor environment for assisting fingerprint based indoor localization. In the mechanism design, MAPD takes full consideration of pre-existing APs to assist the selection of good candidate positions for deploying new APs. For this purpose, we first choose a number of candidate positions with low location accuracy on a radio map calibrated using the pre-existing APs and then use over-deployment and on-site measurement to determine the actual positions for AP deployment. MAPD uses minimal mean location error and progressive greedy search for actual AP position selection. Experimental results demonstrate that MAPD can largely reduce the localization error as compared with existing work.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권1호
• /
• pp.206-221
• /
• 2019

Source localization in three-dimensional (3-D) wireless sensor networks (WSNs) is becoming a major research focus. Due to the complicated air-ground environments in 3-D positioning, many of the traditional localization methods, such as received signal strength (RSS) may have relatively poor accuracy performance. Benefit from prior learning mechanisms, fingerprinting-based localization methods are less sensitive to complex conditions and can provide relatively accurate localization performance. However, fingerprinting-based methods require training data at each grid point for constructing the fingerprint database, the overhead of which is very high, particularly for 3-D localization. Also, some of measured data may be unavailable due to the interference of a complicated environment. In this paper, we propose an efficient kernel based 3-D localization algorithm via tensor completion. We first exploit the spatial correlation of the RSS data and demonstrate the low rank property of the RSS data matrix. Based on this, a new training scheme is proposed that uses tensor completion to recover the missing data of the fingerprint database. Finally, we propose a kernel based learning technique in the matching phase to improve the sensitivity and accuracy in the final source position estimation. Simulation results show that our new method can effectively eliminate the impairment caused by incomplete sensing data to improve the localization performance.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제6권3호
• /
• pp.113-120
• /
• 2017

실내 Wi-Fi환경에서 위치추정 정확도를 향상시키기 위한 위치추정에 대한 연구가 수년 동안 계속되어 오고 있다. 핑거프린트 기법 및 전파모델은 실내 위치추정에 있어서 매우 중요한 기술이다. 추가적인 하드웨어 없이 저비용으로 핑거프린트 기법을 사용하는 다양한 위치추정 시스템에 대한 연구가 진행되고 있다. 그러나 실내 위치추정 모델에서 VAP (virtual access points) 개념을 사용하여 이러한 목표를 실현한 사례는 매우 드물다. 본 논문은 Wi-Fi 환경의 핑거프린트 기반에서 VAP를 사용한 실내 위치추정 시스템의 아이디어를 제시하였다. 이 아이디어의 핵심은 실제 실내 Wi-Fi 환경에서 VAP를 사용하여 AP의 역할을 수행 할 수 있다. 제안 알고리즘의 성능분석을 위하여 4개의 시나리오를 사용하여 실험한 결과, 1개의 AP 대신에 2개의 VAP를 사용했을 때 가장 우수한 결과가 도출되었으며, 실험의 3번째 경우인 3개의 AP와 2개의 VAP를 사용했을 때 3.99 미터의 가장 낮은 위치오차가 발생하였음을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권8호
• /
• pp.3657-3682
• /
• 2018

This paper presents a Bluetooth and pedestrian dead reckoning (PDR)-based indoor fusion localization approach (BtPDR) using smartphones. A Bluetooth and PDR-based indoor fusion localization approach can localize the initial position of a smartphone with the received signal strength (RSS) of Bluetooth. While a smartphone is moving, BtPDR can track its position by fusing the localization results of PDR and Bluetooth RSS. In addition, BtPDR can adaptively modify the parameters of PDR. The contributions of BtPDR include: a Bluetooth RSS-based Probabilistic Voting (BRPV) localization mechanism, a probabilistic voting-based Bluetooth RSS and PDR fusion method, and a heuristic search approach for reducing the complexity of BRPV. The experiment results in a real scene show that the average positioning error is < 2m, which is considered adequate for indoor location-based service applications. Moreover, compared to the traditional PDR method, BtPDR improves the location accuracy by 42.6%, on average. Compared to state-of-the-art Wireless Local Area Network (WLAN) fingerprint + PDR-based fusion indoor localization approaches, BtPDR has better positioning accuracy and does not need the same offline workload as a fingerprint algorithm.