선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 끝으로 본 연구에서는 제안 알고리즘과 타 옥내측위 알고리즘을 구현하여, 그들의 성능을 비교하는 실험을 수행하고, 대표적인 실험 결과를 소개하여 그 실험 결과를 분석하고자 한다.
- 무선근거리통신망 기반 옥내 측위 시스템을 구현하려면 AP로부터 RSSI 를 반드시 판독해야 한다. 따라서 본 연구에서는 RSSI를 판독하는 C# 동적 연결 라이브 러리 함수를 제안한다.
- 별도의 장치가 필요하지 않고 오늘날 널리 보급되어 있는 무선근거리통신망에 블루투스 기반 측위 방법을 확장하게 되면, 옥내측위의 유용성이 증가하게 된다. 따라서 본 연구의 첫 번째 목적은 칼만필터를 이용한 무선근거리통신망기반의 추적방법을 제안하는 것이다.
- 또한 사용자와 AP 사이의 거리로 사용자의 위치를 계산하는 방법인 삼각측량법도 본 연구와 관련이 깊다. 따라서 본 절에서는 K-NN 방법, 삼각측량법, 칼만필터를 소개한다.
- [12]에 소개된 방법을 확장하여 준비단계가 필요 없는 확장칼만필터 추적 방법을 제안한다는 점에 의의가 있다. 또한 본 연구에서는 확장 칼만필터 기반의 새로운 추적 알고리즘을 제안한다. 제안 알고리즘은 지도 정보를 이용하여 확장칼만필터의 인수 값을 조절함으로써 더욱 정확한 경로를 찾아주는데 활용된다.
- 본 논문에서는 이동물체의 현재 위치를 판정하는 목적으로 칼만필터를 이용하고자 한다. Kotanen et al.
- 본 연구에서는 무선근거리통신망 기반의 옥내 추적 확장칼만필터를 제안하였다. 제안한 방법은 Kotanen et al.
- 이미 언급한 바와 같이 K-NN 측위는 많은 시간과 노력을 요구하는 준비단계를 필요로 하는 일종의 지문방식이다. 여기서는 무선 근거리통신망 환경에서 준비단계가 필요 없는 확장칼만필터를 이용한 추적방법을 제안한다.
- 이러한 현상을 감안하여 본 논문은 에 보인 바와 같이 갈림길 정보를 이용하여 다른 인수 값을 적용하는 확장칼만필터 기반 추적 알고리즘을 제안한다.
가설 설정
- 두 실험 모두에서 Rvalue가 Qvalue보다 크지만, 비율 Rvalue/Qvalue는 실험 2의 경우가 훨씬 크다. 즉, 실험 1보다 실험 2에서 상태모형의 잡음이 더 작다는 가정을 반영한 것이다.
- 행렬 R과 Q 는 모두 대각행렬로서 식 (7)과 식 (8)에 보이는 바와 같이, 각각 측정 잡음의 분산과 상태 모형의 잡음의 분산을 나타낸다. 행렬 R이나 Q 모두 대각항들의 값이 서로 다를 수도 있으나 본 실험에서는 같다고 가정하고 행렬 R의대각항 값을 Rvalue , 행렬 Q의 대각항 값을 Qvalue로 표기한다. 두 실험 모두에서 Rvalue가 Qvalue보다 크지만, 비율 Rvalue/Qvalue는 실험 2의 경우가 훨씬 크다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.