• 한국전자통신학회논문지
• /
• 제16권6호
• /
• pp.1059-1068
• /
• 2021

도심지역에서 GPS(Global Positioning System)/GNSS(Global Navigation Satellite System) 신호는 건물과 같은 구조물에 의해 차단되거나 왜곡되어 위치추정에 한계가 존재한다. 이 문제를 보완하기 위해 본 논문에서는 LTE 신호의 RSRP(Reference Signal Received Power) 정보를 사용한 Fingerprinting 기법으로 측위를 수행하고자 한다. Fingerprinting의 측위 단계에서 많이 사용되는 W-KNN(Weighted - K Nearest Neighbors) 기법은 Correlation 시 사용되는 유사도 거리 계산 방법과 가중치 적용 방법 등에 따라 다른 측위 성능의 결과를 생성한다. 본 논문에서는 Correlation 시 사용되는 기법들에 따른 Fingerprinting 측위 성능을 실 데이터 기반으로 비교 분석하고자 한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제5권10호
• /
• pp.373-378
• /
• 2016

실내 위치 측위 관련 IPS(Indoor Positioning System)의 기술이 계속적인 연구 및 개발이 진행되고 있으며, 이에 따른 핑거프린팅 및 삼변 측량 기술이 지속적으로 연구되어 왔다. 하지만 이와 같은 기술은 AP(Access Point)를 이용하여 측위하기 때문에 광범위 측위에 있어 불안전한 RSSI 값의 측정으로 인한 측위 정밀도가 신용적이지 않다. 본 논문에서는 이와 같은 광범위 내 정밀 측위 문제점을 개선하고자 기존의 핑거프린팅 기법의 Cell 구성이 아닌 Sector 개념을 도입하였다. 각 Sector는 서로 간에 관여를 하지 않고 해당 Sector 내에서만 핑거프린팅 기법을 수행하여 효울 및 정밀성을 고려한 시스템을 제안하며, 기존의 핑거프린팅과 비교하여 효율성을 수학적 기법으로 입증하였다.

• 한국통신학회논문지
• /
• 제35권6B호
• /
• pp.888-894
• /
• 2010

무선 네트워크 기반 실내 측위는 측위를 위한 특수 장비를 필요로 하지 않고, Fingerprinting 방식은 무선 네트워크 기반 측위를 위한 기술 중에서 가장 정확도가 높기 때문에 무선 네트워크 fingerprinting 방식이 가장 적당한 실내 측위 방법이다. Fingerprinting 방식은 준비 단계와 실시간 측위 단계로 구성되고 정확한 위치 측정을 위해 보다 효율적이고 정확해야 한다. 본 논문에서는 Fingerprinting 방식에 대한 베이지안 알고리즘으로 강력한 통계적 학습 이론인 베이지안 학습을 결합한 퍼지 군집화를 이용하여 실내 측위를 결정하는 알고리즘을 제안하였다.

• 한국통신학회논문지
• /
• 제41권10호
• /
• pp.1197-1209
• /
• 2016

최근 스마트 기기의 보급 및 활용 증가로 인한 실내 위치 인식 시스템 수요가 급증함에 따라, Wi-Fi 및 BLE(Bluetooth Low Energy) 비콘을 이용한 실내 측위 시스템이 각광받고 있다. 본 논문은 BLE 비콘 기반에 중점을 두고 RSSI 신호를 이용하여 거시적인 삼변 측량 기법을 이용하여 산출한다. 그 결과 값을 근사치 위치에만 Fingerprinting을 적용하여 위치 측위 기본 연산량을 줄임과 동시에 에너지 효율을 증대시킨다. 또한 선정된 Fingerprinting Cell 주위의 AP(Access Point)만을 이용하여 사용자의 단말 위치의 정밀성을 보장하는 정밀 삼변 측량 연산을 수행하여 에너지 효율을 고려한 BLE 핑거프린팅 기반의 정밀 실내 측위 알고리즘을 제안한다. 또한 비교 기술로 실내 측위 시장 내 많이 이용 되는 BLE 및 Wi-Fi 환경 내의 핑거프린팅 기술을 본 논문에 제안한 알고리즘 방식을 기반으로 비교하여 실험 및 결과를 검증하였다.

• Journal of Positioning, Navigation, and Timing
• /
• 제12권3호
• /
• pp.271-280
• /
• 2023

Pedestrian Dead Reckoning (PDR) methods using initial sensors are being studied to provide the location information of smart device users in indoor environments where satellite signals are not available. PDR can continuously estimate the location of a pedestrian regardless of the walking environment, but has the disadvantage of accumulating errors over time. Unlike this, WiFi signal-based wireless positioning technology does not accumulate errors over time, but can provide positioning information only where infrastructure is installed. It also shows different positioning performance depending on the environment. In this paper, an integrated positioning technology integrating two positioning techniques with different error characteristics is proposed. A technique for correcting the error of PDR was designed by using the location information obtained through WiFi Measurement-based fingerprinting as the measurement of Extended Kalman Filte (EKF). Here, a technique is used to variably calculate the error covariance of the filter measurements using the WiFi Fingerprinting DB and apply it to the filter. The performance of the proposed positioning technology is verified through an experiment. The error characteristics of the PDR and WiFi Fingerprinting techniques are analyzed through the experimental results. In addition, it is confirmed that the PDR error is effectively compensated by adaptively utilizing the WiFi signal to the environment through the EKF to which the adaptive error covariance proposed in this paper is applied.

• 디지털콘텐츠학회 논문지
• /
• 제15권1호
• /
• pp.129-136
• /
• 2014

Wi-Fi fingerprinting 시스템은 실내에서 사용되는 위치 측위 방법이며 AP(Access Point)에서 발생하는 RSS(Received Signal Strength)에 의존한다. AP로부터의 RSS는 벽, 장애물 그리고 사람에 의한 간섭과 다중경로 페이딩 효과에 의하여 변할 수 있기 때문에 Wi-Fi fingerprinting 시스템은 낮은 측위 정확도를 갖는다. 또한, Wi-Fi 신호는 벽을 통과하기 때문에 기존의 시스템은 사용자가 현재 위치해 있는 층을 구분하기 어렵다. 이러한 단점을 극복하기 위하여 본 논문은 정확한 실내 측위를 위한 LED fingerprinting 시스템을 제안한다. 제안된 시스템은 LED로부터 발생하는 LED-ID와 LED의 광 파워를 사용한다. 본 시스템의 Training 단계에서는 각 장소에 해당하는 Fingerprinting을 데이터베이스에 기록한다. Serving 단계에서는 K-NN(K-Nearest Neighbor) 알고리즘을 적용하여 기존의 데이터와 새롭게 수신되는 사용자의 데이터를 비교한다. 컴퓨터 시뮬레이션을 통해 CDF(Cumulative Distribution Function) 형태로 본 시스템의 성능을 나타내었고, 시뮬레이션 결과로부터 제안된 시스템은 평균 측위 정확도보다 8.6% 높은 정확도를 얻을 수 있다.

• 한국정보통신학회논문지
• /
• 제15권3호
• /
• pp.551-560
• /
• 2011

최근 WLAN을 기반으로 하는 실내 위치추정 시스템에 대한 관심이 증가하고 있다. 대부분의 WLAN을 기반으로 하는 위치추정 시스템들은 fingerprinting 기법을 사용한다. fingerprinting 기법에서 이동객체의 위치정확도는 참조 점의 수에 비례한다. 하지만 참조 점의 수에 따라 training 단계에서 fingerprint 데이터베이스를 생성하기 위해 많은 시간과 노력을 요구한다. 이러한 문제점들을 해결하기 위해, 본 논문에서는 WLAN 기반 AP들의 주변 환경정보를 이용하여 AP와 이동 객체 간의 거리를 산출하여 위치를 추정하는 새로운 알고리즘을 제안하였으며, 이동 객체의 위치 정확도를 개선하기 위하여 제안 알고리즘에 파티클 필터를 적용하였다. 이 알고리즘을 구현하기 위하여 먼저 AP들의 주변에 존재하는 벽, 철문, 유리문, 파티션 등과 같은 환경 정보 데이터베이스를 구축하였고 위치 추정은 감쇠 모델과 경로 손실 모델을 이용하였다. 제안 알고리즘을 실험을 통하여 확인한 결과 위치 정확도는 낮았지만 fingerprinting의 문제점을 해결하였다.

• 전자공학회논문지CI
• /
• 제43권6호
• /
• pp.1-9
• /
• 2006

무선네트워크 기반 옥내측위는 측위를 위한 특수 장비를 필요로 하지 않고, 지문 방식은 무선네트워크 기반 측위를 위한 기술 중에서 가장 정확도가 높기 때문에 무선네트워크 지문 방식이 가장 적당한 옥내측위 방법이다. 지문 방식은 준비 단계와 실시간 측위 단계로 구성되는데, 준비 단계는 그렇지 않지만 실시간 측위 단계는 실행 시간이 매우 중요한 요소인 작업이다. 왜냐하면, 실시간 측위 단계의 실행 시간이 너무 길면, 실행 도중에 사용자가 너무 많이 이동하여 정확한 측위가 불가능하게 되기 때문이다. 그럼에도 불구하고 무선네트워크 기반 지문 방식의 실시간 측위 단계의 효율성을 개선하는 연구는 아직 수행된 바가 없다. 이 논문은 무선네트워크 기반 지문 방식을 위한 판단나무 방법을 제안하며, 기존의 K-NN 방법 그리고 베이지안 방법과 본 논문이 제안하는 판단나무 방법을 정확도와 실행 시간 측면에서 비교 분석한다.

• Journal of Information Technology Applications and Management
• /
• 제15권2호
• /
• pp.51-65
• /
• 2008

The purpose of this paper is introducing WiFi based EKF(Extended Kalman Filter) method for indoor positioning. The advantages of our EKF method include: 1) Any special equipment dedicated for positioning is not required. 2) implementation of EKF does not require off-line phase of fingerprinting methods. 3) The EKF effectively minimizes squared deviation of the trilateration method. In order to experimentally prove the advantages of our method, we implemented indoor positioning systems making use of the K-NN(K Nearest Neighbors), Bayesian, decision tree, trilateration, and our EKF methods. Our experimental results show that the average-errors of K-NN, Bayesian and decision tree methods are all close to 2.4 meters whereas the average errors of trilateration and EKF are 4.07 meters and 3.528 meters, respectively. That is, the accuracy of our EKF is a bit inferior to those of fingerprinting methods. Even so, our EKF is accurate enough to be used for practical indoor LBS systems. Moreover, our EKF is easier to implement than fingerprinting methods because it does not require off-line phase.