[논문]RSSI기반 지능형 위치 추정 시스템 설계 및 구현

임창균; 강오성; 이창영; 김강철

doi:10.7472/jksii.2013.14.6.09

[국내논문] RSSI기반 지능형 위치 추정 시스템 설계 및 구현
Design and Implementation of RSSI-based Intelligent Location Estimation System 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.14 no.6, 2013년, pp.9 - 18

임창균 (Computer Engineering, Chonnam National Univ.) , 강오성 (Computer Engineering, Chonnam National Univ.) , 이창영 (Computer Engineering, Chonnam National Univ.) , 김강철 (Computer Engineering, Chonnam National Univ.)

초록
AI-Helper

본 논문에서는 모바일 로봇이 주어진 환경에서 물건 객체를 찾기 위해 RFID(Radio Frequency IDentification) 태그의 위치를 추정할 수 있는 지능형 시스템을 설계하고 구현하였다. 개발된 지능형 시스템은 인공 신경망 시스템으로 RSSI(Received Signal Strength Indication)값을 입력으로 하고 절대 위치 좌표 값을 목표 값으로 하는 학습 시스템이다. 위치 추정을 위하여 수동형 RFID를 사용하였으며 능동형으로의 확장도 고려하였다. 실내에서 위치 추정을 위한 환경을 구축하여 사용될 수 있도록 시스템을 설계하였다. 또한 설계된 시스템을 소프트웨어 개발을 하였고, 실험을 통해 테스트베드 상에서 시스템 학습과 관련된 결과를 보여준다. 실제 현장과 유사한 환경에서 학습데이터 생성에서부터 실시간 위치 추정과 관련된 다양한 실험 결과를 보여준다. 실험 결과를 통해 모바일 로봇이 실내에서 원하는 객체를 쉽게 찾을 수 있음을 확인하였다.

Abstract ▼ AI-Helper

In this paper, we design and implement an intelligent system for finding objects with RFID(Radio Frequency IDentification) tag in which an mobile robot can do. The system we developed is a learning system of artificial neural network that uses RSSI(Received Signal Strength Indicator) value as input and absolute coordination value as target. Although a passive RFID is used for location estimation, we consider an active RFID for expansion of recognition distance. We design the proposed system and construct the environment for indoor location estimation. The designed system is implemented with software and the result related learning is shown at test bed. We show various experiment results with similar environment of real one from earning data generation to real time location estimation. The accuracy of location estimation is verified by simulating the proposed method with allowable error. We prepare local test bed for indoor experiments and build a mobile robot that can find the objects user want.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 객체나 로봇에 부착된 RFID 태그, 태그의 정보를 식별하는 안테나, 안테나로부터 RSSI 정보를 읽어와 서버로 전달하는 리더기 및 수집된 정보를 관리하는 서버로 구성되는 지능형 위치 추정 시스템을 설계하고 구현하였다. 이 시스템은 주어진 환경에서 원하는 태그의 위치를 추정하여 로봇이 자율 이동할 수 있도록 한다.

가설 설정

Learning Phase(Off Line)에서 사용할 위치 추정 학습 데이터베이스 구축과 Real-time Phase(On Line)에서 실제 위치 추정을 위한 실험을 위해 3m x 3m 테스트 베드 환경을 그림 4에서 보여주고 있다. 그림에서 각 셀은 50cm x 50cm 지점에 위치에 49 셀로 구성되어 있고, 시스템 구현 상 좌측 상단이 (0,0)위치가 된다고 가정한다.
시뮬레이션에서는 신호세기가 안테나의 거리와 비례한다고 가정하여 실험 데이터베이스를 구축하여 학습과 테스트를 실행하였다. 그림 5에서 보듯이 태그는 각 셀에 위치되어 있다고 보고 안테나는 두 코너 사이의 중간 지점에 설치되어 있다.
그림 13을 보면 좌측 상단에 태그를 부착한 로봇이 위치하고 있음을 볼 수 있다. 앞에서 생성한 태그는 우리가 찾고자 하는 물건이라 가정하고 편의를 위하여 고유번호를 할당하였다. 로봇과 각 객체에 대한 시스템 추정 값은 우측에 테이블 형태로 제공한다.

제안 방법

입력받은 신호 값들은 서버에서 인공 신경망을 이용해 학습시키고 지능연산을 이용한 위치 추정 프로그램 개발하였다. RFID를 이용하여 태그의 위치를 추정할 수 있는 시스템을 개발하여 물건 찾는 모바일 로봇에 적용할 수 있도록 하였다. 또한 사용자의 편의를 제공할 수 있는 인터페이스를 만들어 다양한 시뮬레이션을 수행하여 제안한 이론의 실용성을 보여 주었다.
주어진 환경에서 200개 정도의 학습데이터를 이용해 학습 시키면 우리가 허용할 정도의 오차를 가져옴을 알 수 있었다. 같은 환경에서 20개의 테스트 데이터를 가지고 5번 반복 수행하여 결과를 분석하여 보았다. 결과에 의하면 테스트 데이터 역시 200개 학습 데이터를 이용해 학습 시킨 추정 결과가 허용 오차 이하의 오차율을 발생했음을 그림 9에서 확인할 수 있다.
학습이 끝난 후, 실험을 위해 원하는 개수만큼의 태그수를 Find Tag 필드에 입력한 후, “Generate” 아이콘을 클릭하면, 좌측 테스트 베드에 입력한 개수만큼의 태그들이 점으로 나타나게 된다(그림 12). 본 실험에서는 테스트를 위해 9개의 태그를 생성하여 실험하였다.
본 연구에서는 태그, 안테나, 리더기, 서버와 RFID 센서 공간으로 시스템을 구성하였다. 수동형을 사용하는 경우에는 각 안테나를 RFID 리더기에 연결하고 리더기는 서버에 연결된다.
리더기는 안테나를 통하여 태그와 관련된 정보를 유선으로 연결된 서버에 전달하게 된다. 센서 공간에서 환경을 학습하기 위해 무작위로 많은 태그를 주어진 공간에 배치하여 위치 추정을 위한 데이터베이스 구축한다. 이때 서버는 수집된 태그 정보를 저장하고 이를 학습한 후 위치 추정단계에서는 신호 세기만을 이용하여 태그의 위치를 계산하여 제공한다.
신경망에서 위치 추정을 위한 학습을 수행할 때 학습 데이터 수에 따른 오차율 변화를 조사하기 위해서 50, 60, 70, 80, 90, 100, 150, 200, 250, 300, 350, 400, 450, 500개의 학습데이터를 이용해 학습한 후의 오차율을 계산하였다. 그림 8에 의하면 학습데이터를 200개 정도 사용하면 학습오차를 허용 범위 이하 (0.
여기에서 제안한 모델을 수동형 RFID 환경을 제시하였다. 만일 능동형 RFID를 사용하는 경우에는 그림 상단에서 안테나를 능동형 리더기로 교체해주면 넓은 지역에서 사용이 가능할 것이다.
입력받은 신호 값들은 서버에서 인공 신경망을 이용해 학습시키고 지능연산을 이용한 위치 추정 프로그램 개발하였다. RFID를 이용하여 태그의 위치를 추정할 수 있는 시스템을 개발하여 물건 찾는 모바일 로봇에 적용할 수 있도록 하였다.
학습 데이터베이스를 이용해 학습한 후 이를 테스트 데이터로 사용하여 실험하였다. 여기에서는 각 셀의 RSSI 값들을 읽어와 실제 위치와 추정위치의 결과를 그림 5의 테스트 베드 환경을 구현하였다.

대상 데이터

그림 5에서 보듯이 태그는 각 셀에 위치되어 있다고 보고 안테나는 두 코너 사이의 중간 지점에 설치되어 있다. 각 안테나는 주어진 환경 안에 뿌려져 있는 태그들로부터 RSSI 신호 값들과 실제 위치 정보를 읽어와 리더기를 통해 서버에 정보를 전달하여 위치 추정을 위한 학습 데이터로 사용한다.
학습데이터가 생성된 후 베드 위에 이와 관련된 메시지(Training Tags Generate End)를 보여준다. 본 실험에서는 200개 학습 데이터 생성하였다.

이론/모형

좁은 지역에서는 수동형 태그를 사용하고 넓은 지역에서는 능동형을 사용할 수 있는 방법을 모색하여 제시하였다. 상대적으로 위치확인 정밀도가 높은 distance free방법 중의 하나인 RSSI 값을 이용한 태그 위치인식기법 이용하였다.
연결강도를 조절하는 방법이 여러 가지가 있으나 일반적으로 목적 좌표 값과 실제 출력 값 사이의 오차를 바탕으로 수행한다. 이렇게 연결강도를 조절하는 과정을 학습 규칙이라 하는데, 본 논문에서는 학습에서 가장 많이 사용하는 오류 역전파 알고리즘(Error Backpropagation Algorithm- BP)을 사용한다.

성능/효과

같은 환경에서 20개의 테스트 데이터를 가지고 5번 반복 수행하여 결과를 분석하여 보았다. 결과에 의하면 테스트 데이터 역시 200개 학습 데이터를 이용해 학습 시킨 추정 결과가 허용 오차 이하의 오차율을 발생했음을 그림 9에서 확인할 수 있다.
RFID를 이용하여 태그의 위치를 추정할 수 있는 시스템을 개발하여 물건 찾는 모바일 로봇에 적용할 수 있도록 하였다. 또한 사용자의 편의를 제공할 수 있는 인터페이스를 만들어 다양한 시뮬레이션을 수행하여 제안한 이론의 실용성을 보여 주었다. 본 연구의 결과는 충돌 회피를 포함한 물건이 있는 곳으로 이동할 수 있는 자율 이동이 가능한 모바일 로봇에 적용할 수 있다.
주어진 환경에서 200개 정도의 학습데이터를 이용해 학습 시키면 우리가 허용할 정도의 오차를 가져옴을 알 수 있었다. 같은 환경에서 20개의 테스트 데이터를 가지고 5번 반복 수행하여 결과를 분석하여 보았다.

후속연구

향후연구는 실제 모바일 로봇을 이용한 실험 결과 위주로 수행할 예정이다. 또한 시스템의 성능향상을 위해 퍼지 신경망과 최적화를 위한 유전자 알고리즘을 사용하여 시스템 성능향상을 꾀할 예정이다.
또한 사용자의 편의를 제공할 수 있는 인터페이스를 만들어 다양한 시뮬레이션을 수행하여 제안한 이론의 실용성을 보여 주었다. 본 연구의 결과는 충돌 회피를 포함한 물건이 있는 곳으로 이동할 수 있는 자율 이동이 가능한 모바일 로봇에 적용할 수 있다. 향후연구는 실제 모바일 로봇을 이용한 실험 결과 위주로 수행할 예정이다.
본 연구의 결과는 충돌 회피를 포함한 물건이 있는 곳으로 이동할 수 있는 자율 이동이 가능한 모바일 로봇에 적용할 수 있다. 향후연구는 실제 모바일 로봇을 이용한 실험 결과 위주로 수행할 예정이다. 또한 시스템의 성능향상을 위해 퍼지 신경망과 최적화를 위한 유전자 알고리즘을 사용하여 시스템 성능향상을 꾀할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	RFID를 이용한 위치 추정 시스템의 장점은?	주어진 센서 공간에서 위치 인식을 수행하게 되면 위치데이터가 저장된 센서를 감지하여 위치를 파악할 수 있게 되어 독립적으로 수행이 가능해진다. 특히, RFID를 이용한 위치 추정 시스템은 공간 내에 존재하는 센서를 통하여 위치를 쉽게 파악하게 될 수 있다[2].
	모바일 로봇에게 임무를 부여하여 이를 자율적으로 수행하도록 하기 위해서는 무엇을 알려주어야 하는가?	모바일 로봇에게 임무를 부여하여 이를 자율적으로 수행하도록 하기 위해서는 로봇의 위치뿐만 아니라 목표점의 위치도 알려주어야 한다. 뿐만 아니라 주어진 환경을 분석하여 장애물 회피를 포함한 최단거리의 정보를 원하는 사용자에게 제공해야한다.
	RFID 기술은 어떤 정보를 제공하고 무엇으로 구성되어 있는가?	RFID 기술은 사물에 전자 태그를 부착하여, 그 사물에 할당된 유일한 ID를 무선으로 인식하여 서로 필요한 데이터를 제공하거나 처리하는 방법이다. 아이디나 위치정보, 가격, 색깔, 구매 날짜와 같은 구체적인 정보를 제공하고 크게 안테나, 트랜시버, 트랜스포터로 구성된다. 현재 ISO/IEC라는 국제 표준 기관과 EPC-global이라는 민간 기관이 표준화를 주도하고 있다.

참고문헌 (9)

Komoriya, K., Oyama., "Position Esitimation of a Mobile Robot using Optical Fiber Gyroscope," in Proc. IEEE/RSJ/CI International Conference on Intelligent Robots and Systems IROS '94, vol. 1, pp. 143-149, 12-16, Sep. 1994
Kulyukin, V., Gharpure, C., Nicholson, J., Pavithran, S., "RFID in Robot-assisted Indoor Navigation for the Visually Impaired," in Proc. IEEE/RSJ/CI International Conference on Intelligent Robots and Systems IROS '2004, vol. 2, pp. 1979-1984, Sep. 2004
Luis Bras, Nuno Borges Carvalho, Pedro Pinho, Lukasz Kulas, and Krzysztof Nyka "A Review of Antennas for Indoor Positioning Systems," International Journal of Antennas and Propagation Volume 2012, Article ID 953269, 2012
J. Blumenthal, R. Grossmann, F. Golatowski, and D. Timmermann (2007) "Weighted Centroid Localization in Zigbee-based Sensor Networks." Intelligent Signal Processing. WISP 2007. IEEE International Symposium on, pp. 1-6.
F. Rosenblatt, Principles of neurodynamics: perceptron and the theory of brain mechanisms. Spartan, New York, 1962
M. Minsky and S. Papert, Perceptrons, MIT Press, Cambridge, MA, 1969
R. O. Duda, P. E. Hart, and D. G. Strok, Pattern Classification, New York, Wiley, 2001
S. Shigetoshi, F. Toshio, and S. Takanori, A Neural Network Architecture for Incremental Learning, Neorocomputing, 9, pp.111-130, 1995

상세보기
J. S. Jang, C. T. Sun and E. Mizutani, Neurofuzzy and Soft Computing, USA, Prentice Hall, 1997

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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