[논문]WLAN 기반 실내 위치 측위에서 측위 정확도 향상을 위한 데이터 구축 방법

송진우; 허수정; 박용완; 유국열

doi:10.14372/iemek.2012.7.2.085

문제 정의

Dynamic range는 실내 환경의 특성, 전파 특성, 수신기의 물리적 특성 등과 같은 다양한 원인이 복합적으로 작용하여 발생한다. 따라서 본 논문에서는 실내 환경에서의 WLAN 신호의 수신 분포 특성에 대해서 실험을 통하여 그 원인을 분석하고, 데이터베이스 구축 단계에서 이러한 문제를 보완하고 측위정확도를 높이기 위한 데이터베이스 구축과정에서의 알고리즘들을 제안한다.
본 논문에서는 Fingerprint 방식에서 측위 오차를 줄이기 위한 데이터베이스 구축 단계에서의 보완 알고리즘을 제시하였다. 선행적으로 실내 환경에서 AP와 모바일 기기의 물리적 차이, NLOS 환경, 전파 특성 등 다양한 원인이 무선랜 신호 수신 분포에 미치는 영향에 대해서 이론을 제시하고 실험을 통해 검증하는 과정을 나타내었다.
본 장에서는 무선랜 수신 신호의 다중 분포 문제 점을 해결하기 위해 데이터 구축 단계에서 의 Weighted average 알고리즘을 제안한다. 이 알고리즘은 앞에서도 언급하였듯이 수신 신호 세기 값의 수신 빈도에 가중치를 높여 많이 수신되는 RSSI 값의 중요도를 높여 평균을 내는 방식이다.
[1-3]. 이러한 연구는 정확도 향상이라는 목표를 위해 진행되고 있으며, 타깃에 대한 좀 더 정확한 측위 정확도는 LBS의 가장 큰 과제이자 목표이다.

제안 방법

AP 모델 및 수신 단말기의 종류에 따른 수신신호세기의 변화를 확인하기 위해 외부 전파 방해요소가 없는 10m x 10m 크기의 anechoic chamber에서 실험을 진행하였다. 실험 요소는 표 2와 같다.
분포 특성에 대해서 진행하였다. RSSI 값을 측정하여 자동으로 저장하는 안드로이드 기반의 소프트웨어를 설치하여 진행하였으며 MD-AP간의 거리는 1m로 설정하였다. 그림 2는 각 MD 별 신호세기 수신 분포를 나타낸 것이다.
가중 평균을 이용하여 평균값을 산출하는 기법을 적용하여 측위 정확도를 더욱 높이기 위해서 신뢰 구간을 이용하여 가중 평균을 적용할 범위를 설정한다. 이 과정을 통해 평균값과 차이가 큰 신뢰도가 낮은 데이터를 제거하고 신뢰 구간에 포함된 RSSI 값을 대상으로 가중 평균을 적용하게 된다.
선행적으로 실내 환경에서 AP와 모바일 기기의 물리적 차이, NLOS 환경, 전파 특성 등 다양한 원인이 무선랜 신호 수신 분포에 미치는 영향에 대해서 이론을 제시하고 실험을 통해 검증하는 과정을 나타내었다. 무선랜의 수신 신호가 다양한 분포로 나타나는 현상, 즉 Dynamic Range 문제를 보완하기 위해서 데 이 터베이스 구축 단계에서의 신뢰구간 적용과 가중치적용 평균 산출 기법을 제안하였다. 세부적으로 95%의 신뢰 구간을 적용하여 데이터를 필터링 한 후, 데이터 구축 단계에서 수신되는 신호 값에 가중치를 곱하여 수신 빈도가 높은 RSSI 값의 중요도를 높여 다양한 분포의 수신 신호 세기로 인한 문제점을 해결하고자 하였다.
본 장에서는 WLAN 기반의 실내 위치측위에서 Dynamic range가 발생하는 원인을 실험을 통해 분석하고, Dynamic range로 인한 실내 위치 측위 오차의 감소를 보완하기 위한 데이터베이스 구축단계에서의 신뢰구간을 이용한 가중평균 적용 범위 지정 기법과 가중 평균(Weighted average) 기법을 제안한다.
알고리즘을 제시하였다. 선행적으로 실내 환경에서 AP와 모바일 기기의 물리적 차이, NLOS 환경, 전파 특성 등 다양한 원인이 무선랜 신호 수신 분포에 미치는 영향에 대해서 이론을 제시하고 실험을 통해 검증하는 과정을 나타내었다. 무선랜의 수신 신호가 다양한 분포로 나타나는 현상, 즉 Dynamic Range 문제를 보완하기 위해서 데 이 터베이스 구축 단계에서의 신뢰구간 적용과 가중치적용 평균 산출 기법을 제안하였다.
무선랜의 수신 신호가 다양한 분포로 나타나는 현상, 즉 Dynamic Range 문제를 보완하기 위해서 데 이 터베이스 구축 단계에서의 신뢰구간 적용과 가중치적용 평균 산출 기법을 제안하였다. 세부적으로 95%의 신뢰 구간을 적용하여 데이터를 필터링 한 후, 데이터 구축 단계에서 수신되는 신호 값에 가중치를 곱하여 수신 빈도가 높은 RSSI 값의 중요도를 높여 다양한 분포의 수신 신호 세기로 인한 문제점을 해결하고자 하였다. 제안 기법을 이용한 시뮬레이션 결과 기존의 데이터베이스 구축 방법을 적용했을 때 보다 좀 더 향상된 결과를 나타냈다.
세부적으로 송수신기의 물리적 특성, 수신단과 송신단의 거리에 따른 RSSI 변화, 송수신기 기기 별 RSSI 변화 그리고 전파 경로에 사람의 유무에 따른 RSSI의 변화를 분석한다.
3m 로 이루어져 있고, 열람실 2개, 로비, 기계실 등의 공간으로 이루어져있다. 이 공간 중 기계실과 기타 출입제한 공간을 제외한 2개의 열람실과 로비에서 실험을 진행하였다. 열람실의 경우 많은 학생들이 상주하며 로비에 비해 유동 인원이 적은 대신에 많은 책상으로 인해 NLOS(Non Line Of Sight) 요소가 많이 존재한다.
결과적으로 실내 환경에서는 다중경로로 인해 RSSI 값의 랜덤성이 크며, 또한 인근에 배치된 AP의 채널의 간섭에 영향을 받는다. 이에 따라 채널 간 간섭이 있는 상황에서 RSSI를 측정하여 채널 간섭의 영향을 분석하였다.
첫 번째 실험은 각 MD(Mobile Device)의 수신신호 분포 특성에 대해서 진행하였다. RSSI 값을 측정하여 자동으로 저장하는 안드로이드 기반의 소프트웨어를 설치하여 진행하였으며 MD-AP간의 거리는 1m로 설정하였다.

대상 데이터

이러한 요소들은 무선랜 수신 신호 분석에 적합하며, 제안 알고리즘을 적용하기에 최적의 장소이다. 측위 대상 공간은 야외, 열람실, 로비 등으로 구성되어 있다. 테스트에 대한 개요는 표 3과 같다.
측위 대상 공간인 영남대학교 중앙도서관 지하 1층은 가로 43.2m, 세로 63.3m 로 이루어져 있고, 열람실 2개, 로비, 기계실 등의 공간으로 이루어져있다. 이 공간 중 기계실과 기타 출입제한 공간을 제외한 2개의 열람실과 로비에서 실험을 진행하였다.
테스트에 대한 개요는 표 3와 같다. 측위 대상 지역은 야외, 열람실, 로비로 구성되어 있으며 도서관의 특성 상 많은 사람이 상주하고 있다.
테스트는 영남대학교 중앙도서관 지하 1층에서 진행하였다. 테스트에 대한 개요는 표 3와 같다.

이론/모형

WLAN을 이용한 위치 측위는 AP에서 수신되는 WLAN 신호의 수신 신호 세기(RSSI; Receive Signal Strength Indicator)를 이용하는 핑거프린트(Fingerprint)와 같은 장면분석(Scene analysis) 기법, TOA(Time of Arrival), TDOA(Time Difference Of Arrival)와 같은 삼각측량을 이용하는 기법 등을 사용한다. [6].
즉, 수신 회 수가 가중치로 작용하기 때문에 빈도수에 따라 가중치를 높여 주기 위해서는 fk 의 값을 높여야 한다. 제안하는 알고리즘은 수신 회 수에 따라 가중치를 높여 주기 위해 fk에 n 차 자승법을 사용한다.

성능/효과

그림 5는 전파 경로 상에 유동 인원수에 따른 전파 수신 특성을 보여준다. AP와 MD 사이의 거리를 8m이격 시킨 후전파 경로 상에 이동하는 사람의 수를 점차 늘어날 때, 수신되는 RSSI 분포를 확인하였다 그림 5에서 전파 경로에 존재하는 인원의 수가 점점 증가함에 따라 수신되는 RSSI 값의 분산 값이 크게 증가함을 확인할 수가 있다. 이러한 결과는 전파 경로에 이동하는 사람, 물체가 존재할 경우 전파의 수신 신호세기가 크게 변화하는 것을 나타낸다 [13].
다양한 요소 중에 특히 전파 경로 상의 유동 인원(물체) 수, AP 간의 전파 간섭이 수신 신호 세기의 분산 값에 큰 영향을 주었다. 결과적으로 실내 환경에서는 다중경로로 인해 RSSI 값의 랜덤성이 크며, 또한 인근에 배치된 AP의 채널의 간섭에 영향을 받는다. 이에 따라 채널 간 간섭이 있는 상황에서 RSSI를 측정하여 채널 간섭의 영향을 분석하였다.
결론적으로 신뢰 구간을 적용한 가중평균을 적용한 데이터베이스 구축 기법은 기존의 평균 보다 평균 0.8dB 정도 차이를 나타내며 이러한 dB 차이는 약 0.7m의 측위 정확도 향상을 나타내었다. 또한 가중 평균의 R의 값은 2일 때 가장 높은 측위 정확도를 나타내었다(표 4 참고).
x축은 location error(m), y축은 location probability를 의미한다. 기존의 알고리즘적용 평균 오차는 4.89m, 제안알고리즘을 적용 시에는 4.32m를 나타내었다. 그림 11은 n = 3을 적용한 결과로 제안 알고리즘 적용 시에 4.
다양한 요소 중에 특히 전파 경로 상의 유동 인원(물체) 수, AP 간의 전파 간섭이 수신 신호 세기의 분산 값에 큰 영향을 주었다. 결과적으로 실내 환경에서는 다중경로로 인해 RSSI 값의 랜덤성이 크며, 또한 인근에 배치된 AP의 채널의 간섭에 영향을 받는다.
7m의 측위 정확도 향상을 나타내었다. 또한 가중 평균의 R의 값은 2일 때 가장 높은 측위 정확도를 나타내었다(표 4 참고). 표 4에서「이 10 인 경우, 측위 정확도가 크게 감소하며, 「이 더 증가할수록 측위 정확도는 점점 감소하였다.
실내 환경에서는 다양한 원인으로 인해 WLAN의 RSSI 값 수신 분포가 다양하게 나타나고, 이러한 문제가 복합적으로 작용하여 Dynamic Range에 영향을 준다는 것을 테스트를 통해 분석하였다. 다양한 요소 중에 특히 전파 경로 상의 유동 인원(물체) 수, AP 간의 전파 간섭이 수신 신호 세기의 분산 값에 큰 영향을 주었다.
제안 기법을 이용한 시뮬레이션 결과 기존의 데이터베이스 구축 방법을 적용했을 때 보다 좀 더 향상된 결과를 나타냈다. 실험대상 공간인 영남대학교 중앙도서관 실험 결과의 경우 기존 알고리즘보다 약 0.7m의 측위 정확도가 향상되었다.
이는 다양한 신호 세기가 수신되는 무선랜의 전파 특성상 n이 증가할수록 최빈값에 근접하게 되며, 다른 신호 세기 값은 고려하지 않게 된다(그림 12 참조).이러한 제안 알고리즘의 성능은 가중 평균의 특성 상수신 신호의 분포가 큰 환경에서 더 향상된다.
세부적으로 95%의 신뢰 구간을 적용하여 데이터를 필터링 한 후, 데이터 구축 단계에서 수신되는 신호 값에 가중치를 곱하여 수신 빈도가 높은 RSSI 값의 중요도를 높여 다양한 분포의 수신 신호 세기로 인한 문제점을 해결하고자 하였다. 제안 기법을 이용한 시뮬레이션 결과 기존의 데이터베이스 구축 방법을 적용했을 때 보다 좀 더 향상된 결과를 나타냈다. 실험대상 공간인 영남대학교 중앙도서관 실험 결과의 경우 기존 알고리즘보다 약 0.

후속연구

이를 위해서는 수신되는 신호의 분포 분석에 따른 선택적인 알고리즘을 적용하는 방법을 사용하는 것이 가장 좋은 성능을 나타낼 것으로 예상된다. 또한 데이터베이스 구축 단계 에서 Dynamic range 문제를 보완하는 동시에, 위치 추정 단계에서 다양한 측위 정확도 향상 알고리즘을 병행하여 적용한다면 좀 더 향상된 측위 정확도를 도출할 수 있을 것이다.
따라서 이러한 환경에서 오차를 줄일 수 있는 데이터베이스 구축 단계에서의 다른 알고리즘을 연구가 진행되어야 한다. 이를 위해서는 수신되는 신호의 분포 분석에 따른 선택적인 알고리즘을 적용하는 방법을 사용하는 것이 가장 좋은 성능을 나타낼 것으로 예상된다. 또한 데이터베이스 구축 단계 에서 Dynamic range 문제를 보완하는 동시에, 위치 추정 단계에서 다양한 측위 정확도 향상 알고리즘을 병행하여 적용한다면 좀 더 향상된 측위 정확도를 도출할 수 있을 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

WLAN 기반 실내 위치 측위에서 측위 정확도 향상을 위한 데이터 구축 방법
Database Investigation Algorithm for High-Accuracy based Indoor Positioning 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

WLAN 기반 실내 위치 측위에서 측위 정확도 향상을 위한 데이터 구축 방법 Database Investigation Algorithm for High-Accuracy based Indoor Positioning 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

허수정 (12) 박용완 (59) 유국열 (11)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

WLAN 기반 실내 위치 측위에서 측위 정확도 향상을 위한 데이터 구축 방법
Database Investigation Algorithm for High-Accuracy based Indoor Positioning 원문보기

AI 본문요약
AI-Helper