[논문]모드 탐색 알고리즘을 이용한 측정치 기반의 전파 환경 시각화 기법

나동엽; 구형일; 박용배; 이경훈; 이재기; 황인호

doi:10.5515/kjkiees.2014.25.3.296

모드 탐색 알고리즘을 이용한 측정치 기반의 전파 환경 시각화 기법
Measurement Based Visualization Method of Radio Wave Environment Using a Mode Seeking Algorithm 원문보기

韓國電磁波學會論文誌 = The journal of Korean Institute of Electromagnetic Engineering and Science, v.25 no.3, 2014년, pp.296 - 303

나동엽 (아주대학교 전자공학과) , 구형일 (아주대학교 전자공학과) , 박용배 (아주대학교 전자공학과) , 이경훈 (한국전자통신연구원 부설연구소) , 이재기 (한국전자통신연구원 부설연구소) , 황인호 (한국전자통신연구원 부설연구소)

초록
AI-Helper

본 논문에서는 제한된 위치에서 측정된 수신 신호 세기(RSSI) 값과 3차원 지리 정보를 기반으로 주변의 전파 환경을 추정하고, 시각화할 수 있는 알고리즘을 제안한다. RSSI가 동일한 수신점은 송신점으로부터 같은 거리에 위치한다는 가정 하에서 삼각형의 외심을 이용하여 송신점의 위치를 추정하고, 전파 모델을 이용해 전파 손실을 고려하여 전파환경을 시각화한다. 영상 신호 처리에서 사용되는 모드 탐색 알고리즘인 mean-shift clustering 방법을 사용하여 피크 값을 탐색하고, 여러 개의 추정점들의 무게 중심을 사용하여 오차를 감소시킬 수 있는 방법을 제안한다. 본 논문에서 제시한 모드 탐색 알고리즘을 이용한 전파 환경 시각화 기법은 전파 자원의 효율적인 이용을 위한 전파 감시 시스템에 활용될 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

In this paper, we propose an algorithm to visualize radio wave environment based on the measured Received Signal Strength Indication( RSSI) and 3D geographic information. We estimate the source position using the circumcenter of the triangle and visualize the radio wave environment using the empirical propagation models. A mode seeking algorithm(mean-shift clustering) is used to seek the peak points and the center of gravity is utilized to reduce the estimation errors. Our approach finds its applications in the radio wave monitoring systems for the efficient utilization of radio resources.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 이러한 문제를 해결하기 위해 제한된 위치에서 측정된 RSSI 값들과 3차원 지리정보를 기반으로 주변의 전파 환경을 추정하고, 시각화할 수 있는 알고리즘을 제안한다.

가설 설정

송신 점의 위치를 추정하는 방법은 다음과 같다. 1) 수신 세기가 동일한 세 점을 찾는다. 2) 세 점을 연결하여 만든 삼각형의 외심을 구한다.
측정치에 기반을 둔 전파 환경 시각화 모델링 기법의 기본 알고리즘은 다음과 같다. RSSI 값이 동일한 수신 점은 송신 점으로부터 같은 거리에 위치한다는 가정 하에서 송신 점의 위치를 추정한다. 송신 점의 위치를 추정하는 방법은 다음과 같다.
2 ×(weight of strongest peak)로 설정하였다. 그림 3에서 볼 수 있듯이 RSSI의 피크값 구간이 1개이므로 측정 지역의 송신점은 1개로 가정한다.
9 MHz의 신호를 송신한다. 송신점의 위치 추정은 외심의 무게 중심 방식으로 이루어졌고, mode-shifting algorithm의 결과를 통해 측정 지역에서 송신점은 1개로 가정하였다. 경로 손실은 Hata 전파 모델을 사용하여 계산하였다.
그림 7은 측정 지역에 송신점이 다수가 존재하는지의 여부를 파악하기 위해 mean-shift clustering 방법을 적용하여 RSSI의 피크값들을 찾는 과정을 보여주는 그림이다. 피크값 구간이 2개이므로 2개의 송신점이 존재한다고 가정한다. 송신점의 위치 추정은 외심들의 무게 중심 방식을 통해 이루어졌다.

제안 방법

송신점의 위치 추정은 외심들의 무게 중심 방식을 통해 이루어졌다. Hata 전파 모델을 이용하여 경로 손실을 계산한 뒤, 각 위치별 RSSI를 계산한다.
제한된 위치에서 측정된 RSSI 값과 3차원 지리 정보를 기반으로 주변의 전파 환경을 추정하고, 시각화할 수 있는 알고리즘을 제안하였다. RSSI가 동일한 수신점은 송신점으로부터 같은 거리에 위치한다는 가정 하에서 외심과 무게 중심의 원리를 이용하여 송신점의 위치를 추정하고, 전파 모델을 이용해 전파 손실을 고려하여 전파 환경을 추정하고 시각화할 수 있는 알고리즘을 개발하여 2가지 시각화 계산 예를 보이고, 알고리즘의 유효성 검증을 하였다. 특히 송신점 추정에 있어 영상 신호 처리에서 사용되는 모드 탐색 알고리즘인 mean-shift clustering 방법을 사용하여 피크값을 탐색하고, 여러 개의 추정점들의 무게 중심을 사용하여 오차를 감소시킬 수 있는 방법을 제안하였다.
Signal intensity normalization, 즉 αeβ(I - I max)에서 α = 100, β =0.25, bandwidth는 0.1 ×(mapwidth + mapheight) 및 cutoff threshold는 0.2 ×(weight of strongest peak)로 설정하였다.
개발한 알고리즘의 유효성을 검사해 보기 위해 기지국의 추정 위치와 실제 기지국의 위치를 비교해 보았다. 검증을 위해 활용된 실제 기지국은 충청남도 공주시 식장산 근처에 위치하며, 방송통신용 주파수인 102.
따라서 정확한 송신점의 위치 추정을 위해서는 높은 신뢰도를 갖는 샘플링이 이루어져야 한다. 샘플링의 신뢰도를 높이기 위해, 측정 데이터로부터 서로 다른 9개의 샘플링을 얻어내고, 이로부터 3개의 외심을 구한다. 최종적으로 3개의 외심들의 무게 중심을 구하여 송신점을 추정한다.
피크값 구간이 2개이므로 2개의 송신점이 존재한다고 가정한다. 송신점의 위치 추정은 외심들의 무게 중심 방식을 통해 이루어졌다. Hata 전파 모델을 이용하여 경로 손실을 계산한 뒤, 각 위치별 RSSI를 계산한다.
제한된 위치에서 측정된 RSSI 값과 3차원 지리 정보를 기반으로 주변의 전파 환경을 추정하고, 시각화할 수 있는 알고리즘을 제안하였다. RSSI가 동일한 수신점은 송신점으로부터 같은 거리에 위치한다는 가정 하에서 외심과 무게 중심의 원리를 이용하여 송신점의 위치를 추정하고, 전파 모델을 이용해 전파 손실을 고려하여 전파 환경을 추정하고 시각화할 수 있는 알고리즘을 개발하여 2가지 시각화 계산 예를 보이고, 알고리즘의 유효성 검증을 하였다.
RSSI가 동일한 수신점은 송신점으로부터 같은 거리에 위치한다는 가정 하에서 외심과 무게 중심의 원리를 이용하여 송신점의 위치를 추정하고, 전파 모델을 이용해 전파 손실을 고려하여 전파 환경을 추정하고 시각화할 수 있는 알고리즘을 개발하여 2가지 시각화 계산 예를 보이고, 알고리즘의 유효성 검증을 하였다. 특히 송신점 추정에 있어 영상 신호 처리에서 사용되는 모드 탐색 알고리즘인 mean-shift clustering 방법을 사용하여 피크값을 탐색하고, 여러 개의 추정점들의 무게 중심을 사용하여 오차를 감소시킬 수 있는 방법을 제안하였다. 또한, 제안된 알고리즘을 통해 산간지형과 같이 높이 변화가 심한 환경에서도 3차원 지리 정보 및 산악 지형의 회절 모델을 추가적으로 고려하게 되면 측정치를 기반으로 하여 주변의 전파환경을 추정하고, 시각화 할 수 있다.

대상 데이터

개발한 알고리즘의 유효성을 검사해 보기 위해 기지국의 추정 위치와 실제 기지국의 위치를 비교해 보았다. 검증을 위해 활용된 실제 기지국은 충청남도 공주시 식장산 근처에 위치하며, 방송통신용 주파수인 102.9 MHz의 신호를 송신한다. 송신점의 위치 추정은 외심의 무게 중심 방식으로 이루어졌고, mode-shifting algorithm의 결과를 통해 측정 지역에서 송신점은 1개로 가정하였다.
3절에서는 개발된 알고리즘으로 서로 다른 두 경로 및 주파수에서 측정한 데이터를 기반으로 전파 환경을 시각화한 계산 결과에 대하여 토론한다. 측정 데이터는 주파수, GPS 위도, 경도, 측정 시간, RSSI 정보를 제공한다. 그림 2는 경로 1(충청남도 공주시 주변 지역) 및 98.

이론/모형

송신점의 위치 추정은 외심의 무게 중심 방식으로 이루어졌고, mode-shifting algorithm의 결과를 통해 측정 지역에서 송신점은 1개로 가정하였다. 경로 손실은 Hata 전파 모델을 사용하여 계산하였다. 그림 10은 측정치와 계산치 RSSI를 GPS 측정 시간의 함수로 나타낸 그림이다.
따라서 세 지점의 외심에 해당하는 위치를 찾기 위해서는 측정 데이터의 위치정보를 3차원 직각좌표계로 변환하여 세 점을 이은 평면, 즉 삼각형에 평행한 2개의 직선을 지정하여 두 직선의 외적(cross product)을 구해야 한다. 한편, 송신점이 여러 개일 경우에는 측정 경로 상에 피크 값이 여러 곳에서 나타날 수 있으므로, 이를 탐색하기 위해 대표적인 모드 탐색 알고리즘의 하나인 mean-shift clustering 방법을 사용하여 피크 값을 탐색한다^[5]. 추정한 송신점(3점을 연결하여 만든 삼각형의 외심)으로부터 경로 손실을 계산하여 수신점에서의 RSSI을 구할 수 있다.

성능/효과

빨간색 실선은 실제 측정치, 초록색 실선은 송신점 A(1개) 계산치, 검은색 실선은 송신점 B(1개) 계산치, 파란색 실선은 송신점 A, B(2개) 계산치이다. 2개의 송신점을 고려한 계산치가 측정치와 전반적으로 일치하고 있음을 확인할 수 있을 뿐만 아니라, 표 2를 통해 2개의 송신점을 가정한 계산치가 RMSD 측면에서도 측정치와의 에러가 가장 낮음을 알 수 있다.
빨간색 실선은 측정치, 초록색 실선은 단순 외심 방식 계산치, 파란색 실선은 외심들의 무게 중심 방식 계산치이다. 결과를 살펴보면, 외심들의 무게 중심 방식을 사용하여 도출한 결과가 단순 외심 방식을 사용하여 도출한 결과보다 측정치와 더 유사한 것을 알 수 있다. 표 1에서 알 수 있듯이 외심들의 무게 중심 방식 계산치가 단순 외심 방식 계산치보다 측정치와의 Root Mean Square Deviation(RMSD)가 더 작았다.
특히 송신점 추정에 있어 영상 신호 처리에서 사용되는 모드 탐색 알고리즘인 mean-shift clustering 방법을 사용하여 피크값을 탐색하고, 여러 개의 추정점들의 무게 중심을 사용하여 오차를 감소시킬 수 있는 방법을 제안하였다. 또한, 제안된 알고리즘을 통해 산간지형과 같이 높이 변화가 심한 환경에서도 3차원 지리 정보 및 산악 지형의 회절 모델을 추가적으로 고려하게 되면 측정치를 기반으로 하여 주변의 전파환경을 추정하고, 시각화 할 수 있다. 본 논문에서 제시한 모드 탐색 알고리즘을 이용한 전파 환경 시각화 기법은 전파 자원의 효율적인 이용을 위한 전파 감시 시스템에 활용될 수 있을 것으로 기대된다.
그림 10은 측정치와 계산치 RSSI를 GPS 측정 시간의 함수로 나타낸 그림이다. 측정치와 계산치가 전반적으로 잘 일치하고 있음을 확인할 수 있다.
그림 5는 외심들의 무게 중심 방식으로 추정한 송신점으로부터 Hata 전파 모델을 사용하여 주변의 전파 환경을 시각화한 결과이다. 측정치와 시각화 계산치가 전반적으로 잘 일치하고 있음을 확인할 수 있다.
결과를 살펴보면, 외심들의 무게 중심 방식을 사용하여 도출한 결과가 단순 외심 방식을 사용하여 도출한 결과보다 측정치와 더 유사한 것을 알 수 있다. 표 1에서 알 수 있듯이 외심들의 무게 중심 방식 계산치가 단순 외심 방식 계산치보다 측정치와의 Root Mean Square Deviation(RMSD)가 더 작았다. 따라서 송신점의 위치를 추정할 때 단순 외심 방식보다는 외심들의 무게 중심 방식이 측정치와의 오차를 더욱 감소시킬 수 있음을 알 수 있다.

후속연구

오차 발생 원인은, 본 계산에서 사용한 위치 정보에 고도 정보가 포함되어 있지 않기 때문인 것으로 판단된다. 고도 정보가 포함된 3차원 위치 정보가 사용된다면 좀 더 정확한 송신점 추정이 가능할 것으로 사료된다.
또한, 제안된 알고리즘을 통해 산간지형과 같이 높이 변화가 심한 환경에서도 3차원 지리 정보 및 산악 지형의 회절 모델을 추가적으로 고려하게 되면 측정치를 기반으로 하여 주변의 전파환경을 추정하고, 시각화 할 수 있다. 본 논문에서 제시한 모드 탐색 알고리즘을 이용한 전파 환경 시각화 기법은 전파 자원의 효율적인 이용을 위한 전파 감시 시스템에 활용될 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	meanshift clustering 방법은 무엇인가?	따라서 세 지점의 외심에 해당하는 위치를 찾기 위해서는 측정 데이터의 위치정보를 3차원 직각좌표계로 변환하여 세 점을 이은 평면, 즉 삼각형에 평행한 2개의 직선을 지정하여 두 직선의 외적(cross product)을 구해야 한다. 한편, 송신점이 여러 개일 경우에는 측정 경로 상에 피크 값이 여러 곳에서 나타날 수 있으므로, 이를 탐색하기 위해 대표적인 모드 탐색 알고리즘의 하나인 meanshift clustering 방법을 사용하여 피크 값을 탐색한다[5]. 추정한 송신점(3점을 연결하여 만든 삼각형의 외심)으로부터 경로 손실을 계산하여 수신점에서의 RSSI을 구할 수 있다.
	전파 모델에는 무엇이 있는가?	송신기에서 수신기까지 전파가 도달되는 동안 반사, 회절 등을 통해 수많은 경로를 거치게 되므로, 전파 손실을 정확히 예측하는 것은 매우 어려운 일이다. 따라서 유사한 지형별로 지역을 구분하여 수많은 실측 결과를 바탕으로 전파 손실을 통계적 수식으로 표현함으로써, 간단하게 전파 손실을 예측할 수 있는 것이 전파 모델이며, Okumura/Hata 모델, COST-231 모델, Lee 모델 등이 대표적이다[1],[2]. 최근에는 도심에서의 3차원 건물 정보를 기반으로, 광선추적법을 이용하여 전파 손실을 비교적 정확하게 예측할 수 있는 기법도 많이 개발되 었으며, 국내외 무선 통신 서비스 업체들은 자체적으로 보유한 무선망 설계 툴에 이러한 전파 모델들을 구현하여 무선망 설계 및 운용에 활용하고 있다.
	RSSI 값이 동일한 수신 점에서 송신 점의 위치를 추정하는 방법은 어떻게 진행되는가?	송신 점의 위치를 추정하는 방법은 다음과 같다. 1) 수신 세기가 동일한 세 점을 찾는다. 2) 세 점을 연결하여 만든 삼각형의 외심을 구한다. 3) 삼각형의 외심은 세 점으로부터 같은 거리에 있으므로, 송신 점의 위치로 추정할 수 있다. 4) 경로 손실은 A log(d)+ B 형태의 식으로 표현되므로, 송신 출력과 거리 및 두 점의 수신 값으로부터 상수 A와 B를 구한다. 또는 전파 모델을 활용할 수 있다. 5) 위의 방법으로 모든 수신점의 RSSI 값을 계산하여, 측정치와 비교한다. 6) 1～5 과정을 반복하여 송신 점의 위치를 추정하고, 대상 지역의 전파 환경을 시각화한다.

참고문헌 (6)

이상근, 방효창, IMT-2000 CDMA 기술, 세화, 2001.
S. R. Saunders, Antennas and Propagation for Wireless Communication Systems, Wiley, 2000.
박경태, 정인성, 김동일, "이동통신대역의 경로 손실 모델 설정에 관한 연구", 한국전자파학회논문지, 13 (7), pp. 726-731, 2002년 8월.

원문보기 상세보기
조한신, 육종관, "마이크로셀룰라 환경에서의 차세대 이동 통신을 위한 전파 전파 특성", 한국전자파학회논문지, 17(5), pp. 430-439, 2006년 5월.
D. Comaniciu, P. Meer, "Mean shift: A robust approach toward feature space analysis", IEEE Trans. Pattern Analysis and Machine Intelligence, 24(5), pp. 603- 619, May 2002.

상세보기
구본희, 김채영, 목진담, "전파 경로 손실 예측 모델", 한국전자통신연구원(ETRI) 전자통신동향분석, 11(2), pp. 17-29, 1996년 7월.

저자의 다른 논문 :

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