[논문]와이파이 수신신호세기를 사용하는 실내위치추정의 성능 향상을 위한 수정된 잔차 기반 확장 칼만 필터

조성윤

doi:10.5302/j.icros.2015.14.0093

와이파이 수신신호세기를 사용하는 실내위치추정의 성능 향상을 위한 수정된 잔차 기반 확장 칼만 필터
A Modified Residual-based Extended Kalman Filter to Improve the Performance of WiFi RSSI-based Indoor Positioning 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.21 no.7, 2015년, pp.684 - 690

Abstract ▼ AI-Helper

This paper presents a modified residual-based EKF (Extended Kalman Filter) for performance improvement of indoor positioning using WiFi RSSI (Received Signal Strength Indicator) measurement. Radio signal strength in indoor environments may have irregular attenuation characteristics due to obstacles such as walls, furniture, etc. Therefore, the performance of the RSSI-based positioning with the conventional trilateration method or Kalman filter is insufficient to provide location-based accurate information services. In order to enhance the performance of indoor positioning, in this paper, error analysis of the distance calculated by using the WiFi RSSI measurement is performed based on the radio propagation model. Then, an IARM (Irregularly Attenuated RSSI Measurement) error is defined. Also, it shows that the IARM error is included in the residual of the positioning filter. The IARM error is always positive. So, it is presented that the IARM error can be estimated by taking the absolute value of the residual. Consequently, accurate positioning can be achieved based on the IEM (IARM Error Mitigated) EKF with the residual modified by using the estimated IARM error. The performance of the presented IEM EKF is verified experimentally.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 IARM 오차가 항상 양의 실수를 갖는다는 특성을 고려하여 필터의 잔차(residual)에서 IARM 오차를 추정하는 방법을 제안한다. 먼저 필터의 잔차에는 IARM 오차와 위치추정 오차에 의한 거리 반영 오차 및 백색잡음이 포함되어 있는 것을 설명하고, 잔차의 절대값을 통해 IARM 오차를 추정할 수 있음을 제안한다.
본 논문에서는 와이파이 RSSI 측정치 기반 보행자 위치추정의 정확도를 향상시키기 위해 수정된 잔차 기반 EKF를 제시하고 시험 분석을 통해 제안된 기법의 타당성과 성능의 우수함을 보인다. 와이파이 RSSI 측정치를 전파전달 모델 기반으로 거리정보로 환산한 다음 거리정보 및 AP 위치정보를 사용하여 삼변측량법 기반으로 추정된 위치는 실내 환경에서 IARM 오차로 인해 큰 위치추정 오차를 유발하게 된다.

가설 설정

먼저 필터의 잔차에는 IARM 오차와 위치추정 오차에 의한 거리 반영 오차 및 백색잡음이 포함되어 있는 것을 설명하고, 잔차의 절대값을 통해 IARM 오차를 추정할 수 있음을 제안한다. 이때 잔차에 포함된 위치오차에 의한 거리 반영 오차는 측정치 갱신(measurementupdate)을 함에 따라 작아질 것으로 가정한다. 이렇게 추정된 IARM 오차를 사용하여 필터의 잔차를 수정함으로써 IARM 오차에 의한 위치추정 오차를 감소시키게 된다.

제안 방법

RSSI 측정치 획득 주기로 (19)를 기반으로 위치와 속도를 시간전파 한 다음 RSSI 측정치를 획득한 후 다음과 같이 상태변수와 상태변수 오차 공분산 행렬의 측정치 갱신을 수행한다[14].
이를 제대로 반영하기 위해서는 다중 모델(IMM: Interacting Multiple Model) 필터를 사용해야 한다[15]. 그러나 보행자의 보행 속도가 비교적 느리므로 계산량이 크게 증가하는 IMM 필터 대신 대표적인 동적 모델인 일정 속도(CV: Constant Velocity) 모델을 사용하는 EKF를 기반으로 본 논문에서는 위치추정 필터를 구성한다. 먼저 CV 모델에서 추정하고자 하는 변수는 위치와 속도로 2-D 상의 위치와 속도를 다음과 같이 정의한다.
제안된 방법의 타당성 및 성능 검증을 위하여 시험을 수행하였다. 다수의 와이파이 AP가 설치된 실내 공간에서 RSSI 정보를 획득할 수 있는 소프트웨어를 스마트폰에 탑재하고 스마트폰을 소지한 보행자가 실내 공간을 보행하면서 획득한 RSSI 정보 및 AP 위치정보를 사용하여 스마트폰의 위치를 추정하는 알고리즘을 후처리로 구동하였다. 시험 결과 제안된 방법에 의해 채널별(channel-wise) IARM 오차를 잘 추정하며 이로 인해 추정된 위치정보의 정확도가 기존의 방법 대비 크게 향상되는 것을 보인다.
본 논문에서는 IARM 오차가 항상 양의 실수를 갖는다는 특성을 고려하여 필터의 잔차(residual)에서 IARM 오차를 추정하는 방법을 제안한다. 먼저 필터의 잔차에는 IARM 오차와 위치추정 오차에 의한 거리 반영 오차 및 백색잡음이 포함되어 있는 것을 설명하고, 잔차의 절대값을 통해 IARM 오차를 추정할 수 있음을 제안한다. 이때 잔차에 포함된 위치오차에 의한 거리 반영 오차는 측정치 갱신(measurementupdate)을 함에 따라 작아질 것으로 가정한다.
초기 위치추정 오차에 의한 영향을 분석하기 위해 case I 에서는 초기 위치를 ILS의 결과를 사용하였으며 case II 에서는 정확한 위치로 임의로 설정하였다. 본 논문에서 제시하는 IARM 오차 감소 기능(IEM: IARM Error Mitigated)을 갖는 EKF를 ILS와 일반 EKF와 비교 분석 하였다.
RSSI 정보 획득 문턱값(threshold)를 높이면 거리 대비 RSSI 정보의 정확도는 높일 수 있으나 연결 AP의 수가 떨어져 위치추정 정확도가 떨어질 수 있다. 스마트폰에 와이파이 RSSI 정보 획득 및 저장 소프트웨어를 탑재하고 보행자가 화살표로 나타낸 것과 같은 궤적으로 약 1 [m/s]의 속도로 보행하였다. 초기 위치추정 오차에 의한 영향을 분석하기 위해 case I 에서는 초기 위치를 ILS의 결과를 사용하였으며 case II 에서는 정확한 위치로 임의로 설정하였다.
본 논문에서는 와이파이 RSSI 정보를 사용하여 위치추정을 할 수 있는 손쉬운 방법 중 하나인 삼변측량법(trilateration method)을 기본으로 한다. 우선 획득된 RSSI 정보를 전파전달(radio propagation) 모델 기반으로 AP와 단말기 사이의 거리 정보로 변환한다. 이렇게 변환된 거리정보와 AP 위치정보를 사용하여 단말의 위치를 추정한다[6-9].
와이파이 RSSI 측정치를 전파전달 모델 기반으로 거리정보로 환산한 다음 거리정보 및 AP 위치정보를 사용하여 삼변측량법 기반으로 추정된 위치는 실내 환경에서 IARM 오차로 인해 큰 위치추정 오차를 유발하게 된다. 이 문제를 해결하기 위해 본 논문에서는 단일 CV 모델 기반의 EKF를 사용하여 위치를 추정하며 이때 필터 잔차의 절대값을 취하여 IARM 오차를 추정함으로써 IARM 오차에 의한 영향을 최소로 한 정확한 위치추정을 가능하게 한다. 시험 분석을 통해 실내 공간에서 발생하는 IARM 오차를 제안된 IEM EKF를 통해 매우 정확하게 추정하며 이를 반영하여 추정된 위치정보 또한 그 정확도가 초기 위치추정 정확도가 높은 경우 ILS 방법 대비 평균 18.
필터의 응용을 위해서는 응용 대상의 동적 모델 및 추정하고자 하는 상태변수를 결정하고 상태변수 추정에 효율적인 필터의 종류를 선택한다. 이를 기반으로 시스템 모델과 측정치 모델을 설정하고 초기화를 수행한다. 이때 초기화는 상태 변수 및 상태변수 오차 공분산 행렬(P), 공정잡음 공분산 행렬(Q) 그리고 측정치 오차 공분산 행렬(R)의 초기화를 포함한다.
제안된 수정된 잔차 기반 EKF를 이용한 와이파이 기반 실내위치추정의 성능을 분석하기 위하여 실 시험을 수행하고 그 결과를 분석하였다. 시험 환경은 그림 1과 같이 12개의 AP가 설치되어 있는 실내 공간이다.

대상 데이터

본 논문의 무선위치추정 응용 대상은 보행자로 한다. 보행자는 걸음의 속도가 바뀌기도 하고 보행 방향이 바뀌기도 한다.
제안된 수정된 잔차 기반 EKF를 이용한 와이파이 기반 실내위치추정의 성능을 분석하기 위하여 실 시험을 수행하고 그 결과를 분석하였다. 시험 환경은 그림 1과 같이 12개의 AP가 설치되어 있는 실내 공간이다. 환경은 사무실이며 보행 경로는 통로이다.

데이터처리

제안된 방법의 타당성 및 성능 검증을 위하여 시험을 수행하였다. 다수의 와이파이 AP가 설치된 실내 공간에서 RSSI 정보를 획득할 수 있는 소프트웨어를 스마트폰에 탑재하고 스마트폰을 소지한 보행자가 실내 공간을 보행하면서 획득한 RSSI 정보 및 AP 위치정보를 사용하여 스마트폰의 위치를 추정하는 알고리즘을 후처리로 구동하였다.

이론/모형

이렇게 추정된 IARM 오차를 사용하여 필터의 잔차를 수정함으로써 IARM 오차에 의한 위치추정 오차를 감소시키게 된다. 본 논문에서는 기본적인 일정 속도(CV: Constant Velocity) 모델을 사용하는 EKF (Extended Kalman Filter)를 사용하여 필터를 구성한다[12].
본 논문에서는 와이파이 RSSI 정보를 사용하여 위치추정을 할 수 있는 손쉬운 방법 중 하나인 삼변측량법(trilateration method)을 기본으로 한다. 우선 획득된 RSSI 정보를 전파전달(radio propagation) 모델 기반으로 AP와 단말기 사이의 거리 정보로 변환한다.

성능/효과

즉 실내 공간에서 IARM 오차를 그대로 노출시키는 경우 ILS 방법으로는 와이파이 RSSI 기반으로 위치기반서비스(LBS: Location Based Service)용 보행자의 위치정보를 제공하기 어렵다. 그림 2(a)와 그림 3(a)에서 각각 나타낸 EKF의 결과는 ILS 방법에 비해 보행자의 이동 경로의 양상은 보이지만 오차가 큰 것을 알 수 있다. 보행자의 보행 동적 모델을 사용하는 EKF에서도 IARM 오차를 보상하지 않는 경우 초기 위치추정 오차의 크기에 관계 없이 측정치에 의존적으로 큰 오차를 유발하는 것을 확인하였다.
또한 채널 별 IARM 오차를 추정함으로써 선택적 AP 기반 위치추정의 정확도도 향상할 수 있음을 알 수 있다. 그림 (c)와 표 1에서 나타낸 추정오차 결과를 통해 case I의 경우 ILS 대비 IEM EKF의 위치추정 오차는 평균 24.4308%이며 case II의 경우 평균 18.6435%가 되는 것을 알 수 있으며 IARM 추정치 또한 매우 정확한 것을 확인할 수 있다.
그림 (d)-(f)에서 제안된 필터의 잔차를 통해 추정된 IARM 오차의 정확도가 높은 것을 알 수 있다. 또한 채널 별 IARM 오차를 추정함으로써 선택적 AP 기반 위치추정의 정확도도 향상할 수 있음을 알 수 있다. 그림 (c)와 표 1에서 나타낸 추정오차 결과를 통해 case I의 경우 ILS 대비 IEM EKF의 위치추정 오차는 평균 24.
그림 2(a)와 그림 3(a)에서 각각 나타낸 EKF의 결과는 ILS 방법에 비해 보행자의 이동 경로의 양상은 보이지만 오차가 큰 것을 알 수 있다. 보행자의 보행 동적 모델을 사용하는 EKF에서도 IARM 오차를 보상하지 않는 경우 초기 위치추정 오차의 크기에 관계 없이 측정치에 의존적으로 큰 오차를 유발하는 것을 확인하였다. 그림 2(b)와 그림 3(b)는 본 논문에서 제시하는 IEM EKF의 위치추정 결과를 나타낸 것이다.
따라서 식 (31)에서 제시한 IARM 오차 추정 기법의 신뢰성을 확인할 수 있다. 본 시험 결과를 통해 IARM 오차가 큰 실내 환경에서 와이파이 RSSI 정보만으로도 IEM EKF를 통해 정확한 보행자의 이동 경로를 추정할 수 있음을 결론 내릴 수 있다.
다수의 와이파이 AP가 설치된 실내 공간에서 RSSI 정보를 획득할 수 있는 소프트웨어를 스마트폰에 탑재하고 스마트폰을 소지한 보행자가 실내 공간을 보행하면서 획득한 RSSI 정보 및 AP 위치정보를 사용하여 스마트폰의 위치를 추정하는 알고리즘을 후처리로 구동하였다. 시험 결과 제안된 방법에 의해 채널별(channel-wise) IARM 오차를 잘 추정하며 이로 인해 추정된 위치정보의 정확도가 기존의 방법 대비 크게 향상되는 것을 보인다.
이 문제를 해결하기 위해 본 논문에서는 단일 CV 모델 기반의 EKF를 사용하여 위치를 추정하며 이때 필터 잔차의 절대값을 취하여 IARM 오차를 추정함으로써 IARM 오차에 의한 영향을 최소로 한 정확한 위치추정을 가능하게 한다. 시험 분석을 통해 실내 공간에서 발생하는 IARM 오차를 제안된 IEM EKF를 통해 매우 정확하게 추정하며 이를 반영하여 추정된 위치정보 또한 그 정확도가 초기 위치추정 정확도가 높은 경우 ILS 방법 대비 평균 18.6435% 이내가 됨을 보인다. 제안된 IEM EKF는 최근 관심도가 크게 증가하고 있는 와이파이 기반 실내위치 추정의 정확도를 크게 향상시킬 수 있으며 이를 통해 다양한 LBS를 위한 보행자의 위치정보를 높은 신뢰도와 정확도를 갖고 제공할 수 있음을 기대할 수 있게 되었다.
6435% 이내가 됨을 보인다. 제안된 IEM EKF는 최근 관심도가 크게 증가하고 있는 와이파이 기반 실내위치 추정의 정확도를 크게 향상시킬 수 있으며 이를 통해 다양한 LBS를 위한 보행자의 위치정보를 높은 신뢰도와 정확도를 갖고 제공할 수 있음을 기대할 수 있게 되었다.
초기 위치추정 오차가 큰 경우 초기에는 추정오차가 크지만 점점 본 궤적으로 수렴하게 되는 것을 알 수 있으며 초기 위치추정 오차가 작은 경우에는 처음부터 보행자의 보행 궤적에 유사한 위치를 추정하는 것을 알 수 있다. 특히 교차로 부분에서 보행 방향 및 이동 경로를 매우 정확하게 추정하는 것을 통해 제안된 방법의 우수함을 알 수 있다. 그림 (d)-(f)에서 제안된 필터의 잔차를 통해 추정된 IARM 오차의 정확도가 높은 것을 알 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	GPS 기반의 실외위치추정의 상용화 성공 비결은 무엇인가?	GPS 기반의 실외위치추정의 상용화 성공 비결은 항상 위성신호를 받을 수 있는 기 구축되어 있는 우주부분(space segment)과 위성신호의 무료화, 그리고 값싼 수신모듈의 보급화에 있다. 오늘날 이와 유사한 특성을 가진 실내 영역에서의 인프라로 와이파이(WiFi)를 들 수 있다.
	실내위치추정 기술은 어떤 문제점을 갖고 있는가?	실내위치추정 기술은 항법, 통신, 공간정보, 컴퓨터 등의 분야에서 새로운 가치창출을 목적으로 오늘날 다양한 연구 분야에서 연구개발하고 있다. 그러나 실외에서 GPS (Global Positioning System) 기반으로 손쉽게 위치정보를 획득할 수 있는 것과 비교하여 실내에서는 해결해야 하는 다양한 문제를 포함하고 있어 실 구현 및 상용화에 어려움을 겪고 있는 뜨거운 감자로 자리잡고 있다[1,2].
	실내위치추정 기술은 어떤 목적으로 연구개발되고 있는가?	실내위치추정 기술은 항법, 통신, 공간정보, 컴퓨터 등의 분야에서 새로운 가치창출을 목적으로 오늘날 다양한 연구 분야에서 연구개발하고 있다. 그러나 실외에서 GPS (Global Positioning System) 기반으로 손쉽게 위치정보를 획득할 수 있는 것과 비교하여 실내에서는 해결해야 하는 다양한 문제를 포함하고 있어 실 구현 및 상용화에 어려움을 겪고 있는 뜨거운 감자로 자리잡고 있다[1,2].

참고문헌 (15)

K. W. Kolodziej and J. Hjelm, Local Positioning Systems: LBS Applications and Services, Taylor & Francis Group, 2006.
M. Hazas, J. Scott, and J. Krumm, "Location-aware computing comes of age," IEEE Computer, vol. 37, no. 2, pp. 95-97, 2004.
B. Li, Y. Wang, H. K. Lee, A. Dempster, and C. Rizos, "Method for yielding a database of location fingerprints in WLAN," IEE Proceedings - Communications, vol. 152, no. 5, pp. 580-586, Oct. 2005.

상세보기
M. Enkhtur and S. Y. Cho, "Positioning fingerprint DB construction and efficient DB update based on signal propagation feature map," Telecommunications Review (in Korean), vol. 20, no. 6, pp. 1017-1030, Dec. 2010.
S. Y. Cho and J. G. park, "Radio propagation model and spatial correlation method-based efficient database construction for positioning fingerprints," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 20, no. 7, pp. 774-781, Jul. 2014.

원문보기 상세보기
S. Y. Cho, "Localization of the arbitrary deployed APs for indoor wireless location-based applications," IEEE Trans. Consumer Electronics, vol. 56, no. 2, pp. 532-539, May 2010.

상세보기
A. S. Kim, J. G. Hwang, and J. G. Park, "Enhanced indoor positioning algorithm using WLAN RSSI measurements considering the relative position information of AP configuration," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 19, no. 2, pp. 146-151, Feb. 2013.

원문보기 상세보기
H. S. Kim, J. Y. Shim, W. S. Choi, and H. K. Lee, "A location technique based on calibrated radio frequency propagation model for wireless local area networks," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 14, no. 8, pp. 760-766, Aug. 2008.

원문보기 상세보기
J. B. Andersen, T. S. Rappaport, and S. Yoshida, "Propagation measurements and models for wireless communications channels," IEEE Communications Magazine, vol. 33, no. 1, pp. 42-49, Jan. 1995.

상세보기
S. Y. Cho, "Hybrid closed-form solution for wireless localization with range measurements," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 19, no. 7, pp. 633-639, Jul. 2013.

원문보기 상세보기
S. Y. Cho and B. D. Kim, "Linear closed-form solution for wireless localization based on difference of squared range measurements," IET-Wireless Sensor Systems, vol. 3, no. 4, pp. 255-265, Dec. 2013.

상세보기
X. Li and V. Jilkov, "Survey of maneuvering target tracking. Part I: dynamic models," IEEE Trans. Aerospace and Electronic Systems, vol. 39, no. 4, pp. 1333-1364, Oct. 2003.

상세보기
W. P. L. Cully, S. L. Cotton, W. G. Scanlon, and J. B. McQuiston, "Body shadowing mitigation using differentiated LOS/NLOS channel models for RSSI-based Monte Carlo personnel localization," in Wireless Communications and Networking Conference (WCNC), 2012 IEEE, pp. 694-698, 2012.
R. G. Brown and P. Y. C. Hwang, Introduction to Random Signals and Applied Kalman Filtering, John Wiley & Sons, 1985.
Y. Bar-Shalom, S. Challa, and H. A. P. Blom, "IMM estimator versus optimal estimator for hybrid systems," IEEE Trans. Aerospace and Electronic Systems, vol. 41, no. 3, pp. 986-991, Mar. 2005.

상세보기

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