Wi-Fifingerprinting 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.
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.
Wi-Fi fingerprinting system is a very popular positioning method used in indoor spaces. The system depends on Wi-Fi Received Signal Strength (RSS) from Access Points (APs). However, the Wi-Fi RSS is changeable by multipath fading effect and interference due to walls, obstacles and people. Therefore,...
Wi-Fi fingerprinting system is a very popular positioning method used in indoor spaces. The system depends on Wi-Fi Received Signal Strength (RSS) from Access Points (APs). However, the Wi-Fi RSS is changeable by multipath fading effect and interference due to walls, obstacles and people. Therefore, the Wi-Fi fingerprinting system produces low position accuracy. Also, Wi-Fi signals pass through walls. For this reason, the existing system cannot distinguish users' floor. To solve these problems, this paper proposes a LED fingerprinting system for accurate indoor positioning. The proposed system uses a received optical power from LEDs and LED-Identification (LED-ID) instead of the Wi-Fi RSS. In training phase, we record LED fingerprints in database at each place. In serving phase, we adopt a K-Nearest Neighbor (K-NN) algorithm for comparing existing data and new received data of users. We show that our technique performs in terms of CDF by computer simulation results. From simulation results, the proposed system shows that a positioning accuracy is improved by 8.6 % on average.
Wi-Fi fingerprinting system is a very popular positioning method used in indoor spaces. The system depends on Wi-Fi Received Signal Strength (RSS) from Access Points (APs). However, the Wi-Fi RSS is changeable by multipath fading effect and interference due to walls, obstacles and people. Therefore, the Wi-Fi fingerprinting system produces low position accuracy. Also, Wi-Fi signals pass through walls. For this reason, the existing system cannot distinguish users' floor. To solve these problems, this paper proposes a LED fingerprinting system for accurate indoor positioning. The proposed system uses a received optical power from LEDs and LED-Identification (LED-ID) instead of the Wi-Fi RSS. In training phase, we record LED fingerprints in database at each place. In serving phase, we adopt a K-Nearest Neighbor (K-NN) algorithm for comparing existing data and new received data of users. We show that our technique performs in terms of CDF by computer simulation results. From simulation results, the proposed system shows that a positioning accuracy is improved by 8.6 % on average.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 정확한 실내 위치측위를 위해 새로운 LED fingerprinting 시스템을 제시하였다. 제안된 시스템은 K-NN알고리즘, 수신 광 파워 그리고 LED-ID로 구성된다.
본 논문의 목적은 실내 측위 정확도를 향상시키는 데 있으며 이 과정에서 LED fingerprinting 시스템을 이용한 새로운 실내 측위 방법을 제안한다. LED fingerprinting 시스템은 기본적으로 데이터베이스에서 데이터를 수집하기 위해 LED-ID와 LED의 빛의 세기를 사용한다.
가설 설정
은 AWGN을 나타낸다. LOS 환경의 경우 빛의 반사는 일어나지 않고 소스와 수신기의 Seperation squard는 수신지역보다 크다고 가정한다.
제안 방법
사용자의 LED fingerprinting값을 수신 받은 시스템은 LED-ID 를 이용해 사용자가 위치해 있는 층을 구별 할 수 있게 된다. 사용자의 층을 확인하고 나서 수신된 LED fingerprinting은 K-NN(K-Nearest Neighbor) 알고리즘을 사용하여 데이터베이스 내부의 수집된 LED fingerprinting과 비교하게 된다. K-NN 방법은 K개의 가장 가까운 RP를 찾아 그 좌표의 평균을 사 용자의 현재 위치로 판정하는 방법이다.
<표 1>은 LED fingerprinting 시스템의 시뮬레이션 파라미터를 보여주며, 시뮬레이션을 통해 기존의 Wi-Fi fingerprinting 시스템과 LED fingerprinting 시스템의 성능을 비교해보았다. 통신환경은 5m × 5m × 6m로 이루어진 실내 공간으로 구성하였다.
본 논문에서는 정확한 실내 위치측위를 위해 새로운 LED fingerprinting 시스템을 제시하였다. 제안된 시스템은 K-NN알고리즘, 수신 광 파워 그리고 LED-ID로 구성된다. 수신된 광 파워는 복잡한 실내의 환경에서 Wi-Fi RSS와 다르게 변하지 않으며 벽을 통과하지 않는 특성 때문에 사용자의 층을 구별하는데 장점이 있다.
5m, FOV 60º, 광 필터의 전송신호계수와 광 필터의 이득 그리고 집광기의 이득은 모두 1이다. 제안된 시스템의 평가를 위해 사용자의 위치는 1000번 서로 다른 임의의 위치에서 실험을 수행하였다.
성능/효과
6% 향상된 정확도를 얻을 수 있다. 결과적으로, 새로 제안된 시스템이 실내 측위에서 더 효율적인 시스템임을 확인할 수 있다.
식 19와 식 20의 q와 k에 따라 K-NN의 성능은 다양한 결과를 나타낸다. 본 논문의 실험 환경에서 모든 K의 RP는 3으로 설정한다, q의 값이 1 일 때, 최소한 0.8m의 측위 오차가 발생하고, LED fingerprinting system 보다 Wi-Fi fingerprinting system이 보다 더 나은 성능을 보여줬다. 제안된 LED fingerprinting system은 2m의 오차범위 내에서 88.
수신된 광 파워는 복잡한 실내의 환경에서 Wi-Fi RSS와 다르게 변하지 않으며 벽을 통과하지 않는 특성 때문에 사용자의 층을 구별하는데 장점이 있다. 이를 증명하기 위해, 기존의 LED fingerprinting 시스템과 기존의 Wi-Fi fingerprinting 시스템을 비교하였으며 실험 결과로서, 제안된 시스템이 2m의 오차 범위 내에서 8.6% 향상된 정확도를 얻을 수 있다. 결과적으로, 새로 제안된 시스템이 실내 측위에서 더 효율적인 시스템임을 확인할 수 있다.
8m의 측위 오차가 발생하고, LED fingerprinting system 보다 Wi-Fi fingerprinting system이 보다 더 나은 성능을 보여줬다. 제안된 LED fingerprinting system은 2m의 오차범위 내에서 88.6%의 정확도를, Wi-Fi fingerprinting system은 2m의 오차범위 내에서 80%의 정확도를 갖는다. 결과적으로, Wi-Fi fingerprinting 시스템은 Wi-Fi의 RSS는 벽이나 장애물, 사람을 거치면 변하기 때문에 복잡한 실내 환경에서 정확한 측위가 불가능하다.
질의응답
핵심어
질문
논문에서 추출한 답변
위치정보기반 서비스란 무엇인가?
최근 많은 종류의 스마트 디바이스의 보급과 무선통신 기술의 발전으로 위치정보기반 서비스 (LBS, Location Based Service) 시장은 점점 범위를 넓혀가고 있다. 위치정보기반 서비스란 사용자의 신원을 식별하며 사물의 위치 정보를 제공하는 서비스이며 사용자 간의 위치, 날씨나 건강을 확인하거나 엔터테인먼트와 같은 어플리케이션에 활용된다[1, 2]. 대부분의 시간을 실내에서 사용하는 현대인들에게 위치정보기반 서비스는 굉장히 중요한 의미를 갖는다.
Wi-Fi Fingerprinting 시스템에서 사용자가 위치해 있는 층을 명확히 구분해 낼 수 없는 이유는 무엇인가?
그 결과, 데이터베이스와 가장 부합되는 Fingerprinting으로부터 사용자의 위치가 판단된다. 그러나 Wi-Fi의 RSS는 벽, 장애물, 사람 등에 의한 간섭과 다중경로페이딩 효과에 의해 쉽게 변할 수 있다. 따라서 Wi-Fi Fingerprinting 시스템은 낮은 측위 정확도를 제공하며 사용자가 위치해 있는 층을 명확히 구분해 낼 수 없다[3, 4, 5]
가시 광통신의 장점은 무엇인가?
LED fingerprinting 시스템은 기본적으로 데이터베이스에서 데이터를 수집하기 위해 LED-ID와 LED의 빛의 세기를 사용한다. 가시 광통신은 800∼900nm를 사용하는 IrDA와 가장 유사한 파장을 사용하지만, 조명과 동시에 통신을 할 수 있다는 것이 특징이며 장점이다[6, 7]. 또한, LED는 습기가 많은 곳에서 높은 내구성,낮은 전력소비 그리고 긴 수명을 가지고 있다.
참고문헌 (14)
A. Hatami and K. Pahlavan, "Comparative statistical analysis of indoor positioning using empirical data and indoor radio channel models," Proc. IEEE CCNC 2006, Vol. 2, pp. 1018-1022, Jan. 2006.
B. Skalar, "Rayleigh fading channels in mobile digital communication systems part 1: Characterization," IEEE Commun. Mag., vol. 35, no. 7, pp. 90-100, July 1997.
T. Komine and M. Nakagawa, "Fundamental analysis for visible-light communication system using LED lights," IEEE trans. Consum. Electron., vol. 50, no. 1, pp. 100-107, Feb. 2004.
P. Bahl and V. N. Padmanabhan, "RADAR: an in-building RF-based user location and tracking system," Proc. IEEE INFOCOM 2000, TEL Aviv, Israel, Vol. 2, pp. 775-784, March 2000.
W.H. Kang, S. H. Nam, Y. N. Han and S. J Lee, "Improved heading estimation for smartphone-based indoor positioning systems,"Proc. IEEE PIMRC 2012, Sydney, New South Wales, pp. 2449-2453, Sept. 2000.
M. Roshanaei and M. Maleki, "Dynamic-KNN: A novel locating method in WLAN based on angle of arrival," IEEE ISIEA 2000, Kuala Lumpur, Malaysia, Vol. 2, pp. 722-726, Oct. 2009.
H. J. Kang, "A Study on the Visible Light of the Wireless Communication and Its Application," Journal of Digital Contents Society, Vol.8, No.4, pp.425-430Dec. 2007.
E. Laitinen, E. S. Lohan, J. Talvitie and S. Shrestha, "Access point significance measures in WLAN-based location," Positioning Navigation and Communiation, Dresden, pp. 24-29, Mar, 2012.
N.T.H. Thuy, H. X. Huan and N. N. Ky, "an efficient method for fingerprint matching based on local point model," Computing, Management and Telecommunications 2013, Ho Chi Minh, Vietnam, pp. 21-24, Jan. 2013.
C. Koweerawong, K. Wipusitwarakun and K. Kaemarungsi, "Indoor localization improvement via adaptive RSS fingerprinting database," Information Networking 2013, Bangkok, pp. 412-416, Jan. 2013.
B. Altintas and T. Serif, "Indoor location detection with a RSS-based short term memory technique(KNN-STM)," IEEE PERCOM Workshops 2012, Lugano, pp. 794-798, Mar. 2012.
S. Hossain, S. H. S. Ariffin, C. K. Neng, N. S. A. Hassan and L. A. Latiff, "Accuracy enhancement of fingerprint indoor positioning system," Intelligent Systems, Modelling and Simulation 2012, Kota Kinabalu, pp. 600-605, Feb. 2012.
Z. Jia, "A visible light communication based hybrid positioning method for wireless sensor networks," Intelligent System Design and Engineering Application, Sanya, Hainan, pp. 1367-1370, Jan. 2012.
H.S. Kim, D. R. Kim, S. H. Yang, Y. H. Son and S. K. Han, "An indoor visible light communication positioning system using a RF carrier allocation technique," J. Lightw. Technol., vol. 31, no. 1, pp. 134-144, Jan. 2013.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.