철판에 의해 밀폐된 선박의 실내공간에서는 GPS신호가 수신되지 않기 때문에 실내 측위에 관한 연구가 필요하다. 일반적으로 사업성, 인프라 구축, 측위기술 구현가능성 등을 고려한 기존의 연구에서는 WLAN을 기반으로한 실내 측위 방법이 가장 우수한 성능을 나타내고 있는 것으로 알려져 있다. 본 논문에서는 실내 측위 방법 중 정확도가 높은 무선네트워크 기반의 Fingerprinting 방식을 써서 선박의 실내 측위 추정방법을 연구하였다. 먼저, 실내의 환경에서 Fingerprinting 방식을 써서 데이터베이스를 구축하였고 다음으로 ...
철판에 의해 밀폐된 선박의 실내공간에서는 GPS신호가 수신되지 않기 때문에 실내 측위에 관한 연구가 필요하다. 일반적으로 사업성, 인프라 구축, 측위기술 구현가능성 등을 고려한 기존의 연구에서는 WLAN을 기반으로한 실내 측위 방법이 가장 우수한 성능을 나타내고 있는 것으로 알려져 있다. 본 논문에서는 실내 측위 방법 중 정확도가 높은 무선네트워크 기반의 Fingerprinting 방식을 써서 선박의 실내 측위 추정방법을 연구하였다. 먼저, 실내의 환경에서 Fingerprinting 방식을 써서 데이터베이스를 구축하였고 다음으로 KNN 알고리즘을 이용하여 실내 측위를 추정하는 방법을 연구하였다. 마지막으로는 SVM에 의해 실내 측위를 결정하는 방법을 연구하였고 제안방법을 검증하기 위해 모의실험을 하였다. 제안한 알고리즘은 수신된 신호의 SNR 데이터를 KNN 알고리즘에 적용하여 k개의 RP를 선택하고 선택된 RP의 SNR을 SVM에 적용하여 k개의 RP를 분류하는 방법이다. 제안 알고리즘의 성능을 검증하기 위해 두가지 환경, 즉, 장애물이 없는 환경에서와 장애물이 있는 환경에서 모의실험을 하였다. 먼저 장애물이 없는 환경에서는 추정오차 범위가 거의 비슷한 성능을 나타내고 있음을 알 수 있었지만, 2m이후 부터는 KNN/SVM 혼합 알고리즘이 KNN 알고리즘보다 더 좋은 성능을 나타냄을 알 수 있었다. 다음으로 장애물이 있는 환경에서는 Kalman Filter를 이용한 KF알고리즘을 적용하였을 경우 1m 이내에서는 30% 정확도 확률을 나타내었고 4m 이내에는 기존의 KNN 알고리즘과 KNN/SVM 알고리즘에 비교하여 100% 확률로 정확도가 높은 것을 알 수 있었다.
철판에 의해 밀폐된 선박의 실내공간에서는 GPS신호가 수신되지 않기 때문에 실내 측위에 관한 연구가 필요하다. 일반적으로 사업성, 인프라 구축, 측위기술 구현가능성 등을 고려한 기존의 연구에서는 WLAN을 기반으로한 실내 측위 방법이 가장 우수한 성능을 나타내고 있는 것으로 알려져 있다. 본 논문에서는 실내 측위 방법 중 정확도가 높은 무선네트워크 기반의 Fingerprinting 방식을 써서 선박의 실내 측위 추정방법을 연구하였다. 먼저, 실내의 환경에서 Fingerprinting 방식을 써서 데이터베이스를 구축하였고 다음으로 KNN 알고리즘을 이용하여 실내 측위를 추정하는 방법을 연구하였다. 마지막으로는 SVM에 의해 실내 측위를 결정하는 방법을 연구하였고 제안방법을 검증하기 위해 모의실험을 하였다. 제안한 알고리즘은 수신된 신호의 SNR 데이터를 KNN 알고리즘에 적용하여 k개의 RP를 선택하고 선택된 RP의 SNR을 SVM에 적용하여 k개의 RP를 분류하는 방법이다. 제안 알고리즘의 성능을 검증하기 위해 두가지 환경, 즉, 장애물이 없는 환경에서와 장애물이 있는 환경에서 모의실험을 하였다. 먼저 장애물이 없는 환경에서는 추정오차 범위가 거의 비슷한 성능을 나타내고 있음을 알 수 있었지만, 2m이후 부터는 KNN/SVM 혼합 알고리즘이 KNN 알고리즘보다 더 좋은 성능을 나타냄을 알 수 있었다. 다음으로 장애물이 있는 환경에서는 Kalman Filter를 이용한 KF알고리즘을 적용하였을 경우 1m 이내에서는 30% 정확도 확률을 나타내었고 4m 이내에는 기존의 KNN 알고리즘과 KNN/SVM 알고리즘에 비교하여 100% 확률로 정확도가 높은 것을 알 수 있었다.
When the GPS signal is received interior space of the ship, it is enclosed by iron, so the study of indoor positioning is required. In existing research of WLAN positioning methods, considerations such as feasibility, infrastructure and positioning technologies are known to obtain the best results. ...
When the GPS signal is received interior space of the ship, it is enclosed by iron, so the study of indoor positioning is required. In existing research of WLAN positioning methods, considerations such as feasibility, infrastructure and positioning technologies are known to obtain the best results. In this paper, a highly accurate method of positioning an indoor wireless network-based approach using a Fingerprinting estimation method for positioning the ship's interior was studied. First, the Fingerprinting approach in an indoor environment builds a Database. Secondly, the KNN algorithm method finds an estimate of its indoor positioning. Finally, the SVM determines its indoor positioning. We simulated it in order to validate a theory. The suggested theory algorithms is that the received signal of SNR data applies to the KNN algorithm. The KNN algorithm selects the number of k-RP. The selected RP`s noise ratio (SNR) adjusts to the SVM. It shows how to classify with k-RP. To verify the suggested algorithm, we made two different types of environment. An environment free of obstacles and an environment with obstructions were simulated. In the environment free of obstacles, the performance range was as expected. However, we found that further than 2m, the KNN / SVM hybrid algorithm performance was better than KNN algorithm. Next, the Kalman Filter KF algorithm was applied to the environment with obstacles. The probability within 1m had a 30% accuracy, whereas within 4m, the existing KNN algorithm and KNN / SVM hybrid algorithm had an accuracy as high as 100%.
When the GPS signal is received interior space of the ship, it is enclosed by iron, so the study of indoor positioning is required. In existing research of WLAN positioning methods, considerations such as feasibility, infrastructure and positioning technologies are known to obtain the best results. In this paper, a highly accurate method of positioning an indoor wireless network-based approach using a Fingerprinting estimation method for positioning the ship's interior was studied. First, the Fingerprinting approach in an indoor environment builds a Database. Secondly, the KNN algorithm method finds an estimate of its indoor positioning. Finally, the SVM determines its indoor positioning. We simulated it in order to validate a theory. The suggested theory algorithms is that the received signal of SNR data applies to the KNN algorithm. The KNN algorithm selects the number of k-RP. The selected RP`s noise ratio (SNR) adjusts to the SVM. It shows how to classify with k-RP. To verify the suggested algorithm, we made two different types of environment. An environment free of obstacles and an environment with obstructions were simulated. In the environment free of obstacles, the performance range was as expected. However, we found that further than 2m, the KNN / SVM hybrid algorithm performance was better than KNN algorithm. Next, the Kalman Filter KF algorithm was applied to the environment with obstacles. The probability within 1m had a 30% accuracy, whereas within 4m, the existing KNN algorithm and KNN / SVM hybrid algorithm had an accuracy as high as 100%.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.