[논문]WiFi fingerprint에서 데이터의 사전 처리 기술 연구

김종태; 오종택; 엄종석

doi:10.7236/jiibc.2023.23.2.113

초록
AI-Helper

실내에서의 위치 추정을 위한 WiFi fingerprint 방식은 기존의 인프라를 이용하며 절대 좌표를 추정하는 장점이 있어 많은 연구가 진행되고 있다. 기존의 연구에서는 주로 위치 추정 알고리즘에 대한 연구에 집중되었지만 정확도를 개선하는 것이 한계에 도달했다. 그러나 스마트폰과 같은 무선랜 수신기에서 전파의 수신 감도보다 작은 신호는 측정이 불가하므로 이 값들을 처리하는 방법에 따라서 위치 추정 오차가 달라진다. 본 논문에서는 측정된 무선랜 공유기의 수신 신호 데이터를 다양한 방식으로 사전 처리하여 기존의 알고리즘에 적용함으로써 위치 추정 정확도를 높이는 방법을 제안하였고, 크게 향상된 정확도를 얻을 수 있었다. 또한 사전 처리된 데이터를 KNN 방식과 CNN 방식에 적용하여 그 성능을 비교하였다.

Abstract ▼ AI-Helper

The WiFi fingerprint method for location estimation within the home has the advantage of using the existing infrastructure and estimating absolute coordinates, so many studies are being conducted. Existing studies have mainly focused on the study of localization algorithms, but the improvement of ac...

The WiFi fingerprint method for location estimation within the home has the advantage of using the existing infrastructure and estimating absolute coordinates, so many studies are being conducted. Existing studies have mainly focused on the study of localization algorithms, but the improvement of accuracy has reached its limits. However, since a wireless LAN receiver such as a smartphone cannot measure signals smaller than the reception sensitivity of radio signals, the position estimation error varies depending on the method of processing these values. In this paper, we proposed a method to increase the location estimation accuracy by pre-processing the received signal data of the measured wireless LAN router in various ways and applying it to the existing algorithm, and greatly improved accuracy was obtained. In addition, the preprocessed data was applied to the KNN method and the CNN method and the performance was compared.

주제어

표/그림 (10)

그림 그림 1. 4개의 무선랜 공유기(AP)의 RSS 측정값의 변화 Fig. 1. Variation of the RSS measurements from four Wireless Lan APs
그림 그림 2. WiFi fingerprint 측정 RP 좌표와 TP(원) 위치 Fig. 2. RP coordinates and TP position for WiFi fingerprint measurements
그림 그림 3. 데이터 과학자가 시간을 소모하는 비율 Fig. 3. What data scientists spend the most time doing.
그림 그림 4. 각각의 RP에서 측정된 무선랜 공유기의 수신 신호 세기 데이터 예제(N.D.는 전혀 측정되지 않은 경우) Fig. 4. Example of received signal strength data of wireless LAN router measured at each RP.(N.D. is not measured at all.)
그림 그림 5. 사전 처리된 WiFi 측정 데이터 Fig. 5. Preprocessed WiFi measured data
그림 그림 6. 결측치에 대한 대체값에 따른 위치 추정 오차 Fig. 6. Position estimation error according to the replacement value instead of missing value.
그림 그림 7. 결측치의 비율에 따른 표준 편차 Fig. 7. Standard deviation according to the rate of missing values
표 표 1. KNN 방식에 대한 데이터 사전 처리에 따른 위치 추정 오차 (단위: m) Table 1. The Estimated position error according to the data preprocessing using KNN (unit: m)
그림 그림 8. CNN 모델 구조 Fig. 8. CNN model architecture
표 표 2. CNN 방식에 대한 데이터 사전 처리에 따른 위치 추정 오차 (단위: m) Table 2. The Estimated position error according to the data preprocessing using CNN (unit: m)

AI 본문요약
AI-Helper

문제 정의

따라서 본 논문에서는 이 문제를 해결하는 방법으로 결측치에 대해서 적절한 값으로 대체하는 방법을 제안한다. 즉, 그림 4의 예제인 경우에는 결측치가 N.
본 논문에서는 WiFi fingerprint 방식에서 측정된 무선랜 공유기 신호 데이터를 사전 처리하는 기술을 제안하였고, 사전 처리된 학습 데이터를 KNN과 CNN에 적용한 결과를 제시하였다. CNN보다 사전 처리된 학습 데이터를 사용한 KNN에서 훨씬 정확하게 위치를 추정하였고, 기존의 AKNN 방식보다 정확도가 크게 향상되었다.

가설 설정

기존의 KNN을 이용한 WiFi fingerprint 방식에서는 각각의 RP에서 Euclidean 거리를 구할 때에 신호가 수신된 무선랜 공유기만을 고려하였고, 순간적으로 측정되지 않은 결측치에 대해서는 무조건 –100dBm으로 가정하였다.

제안 방법

WiFi fingerprint DB를 구축하기 위해서 먼저 건물 내에 등간격으로 가상적인 그리드를 설정하고 그 교차점이 RP가 되며, 그 지점에서 스마트폰이나 무선랜 수신기로 주변의 모든 무선랜 공유기에 대한 RSS를 일정 시간 간격을 두고 20회씩 측정한다. 그림 1은 전형적인 4개의 무선랜 공유기의 RSS 측정값으로 무선랜 신호는 페이딩때문에 RSS의 변화가 크며 특히 수신 레벨이 낮은 경우에는 더욱 심하다.
본 논문에서는 WiFi RSS 원시 데이터 대신에, 데이터를 사전 처리하여 가공하고, 이 데이터들을 각각의 사전 측정 위치(Reference Point: RP)에서의 WiFi RSS의 Euclidean 거리 맵 데이터를 구성하여, KNN와 CNN에 적용하는 기술을 적용하였다.
본 논문에서는 실험 결과의 일관성을 위해 장소 A와 장소 B 두 군데에서 측정을 수행하였다. 그림 2는 장소 A에서의 RP의 측정 좌표이며 2 m 간격으로 측정되었고, 작은 원은 위치 추정 성능을 분석하기 위한 test point(TP)의 위치이다.

데이터처리

다음 표 1은 WiFi 측정 데이터를 KNN에 적용하여 두 군데의 시험 장소에서의 위치를 추정한 결과이다. 본 논문에서 제안한 무선랜 공유기 신호의 수신 세기 데이터를 사전 처리한 경우와 처리하지 않은 경우를 비교하였다.
다음 표 1은 WiFi 측정 데이터를 KNN에 적용하여 두 군데의 시험 장소에서의 위치를 추정한 결과이다. 본 논문에서 제안한 무선랜 공유기 신호의 수신 세기 데이터를 사전 처리한 경우와 처리하지 않은 경우를 비교하였다.

성능/효과

CNN 방식의 경우에도 데이터 사전 처리를 한 경우에 안 한 경우보다 약 16%의 성능 향상이 확인되었다. 그러나 CNN의 복잡한 구조와 많은 계산량에도 불구하고, KNN 방식보다는 위치 추정 오차가 크게 나타났다.
본 논문에서는 WiFi fingerprint 방식에서 측정된 무선랜 공유기 신호 데이터를 사전 처리하는 기술을 제안하였고, 사전 처리된 학습 데이터를 KNN과 CNN에 적용한 결과를 제시하였다. CNN보다 사전 처리된 학습 데이터를 사용한 KNN에서 훨씬 정확하게 위치를 추정하였고, 기존의 AKNN 방식보다 정확도가 크게 향상되었다. 기계학습에서 학습시키는 데이터의 사전 처리가 중요한 것을 다시 확인하였고, 향후에는 체계적으로 데이터를 사전 처리하는 연구가 필요하다.

후속연구

CNN보다 사전 처리된 학습 데이터를 사용한 KNN에서 훨씬 정확하게 위치를 추정하였고, 기존의 AKNN 방식보다 정확도가 크게 향상되었다. 기계학습에서 학습시키는 데이터의 사전 처리가 중요한 것을 다시 확인하였고, 향후에는 체계적으로 데이터를 사전 처리하는 연구가 필요하다.

참고문헌 (11)

Zhenghua Chen, Han Zou, Hao Jiang, Qingchang？Zhu, Yeng Chai Soh, and Lihua Xie, "Fusion of WiFi,？Smartphone Sensors and Landmarks using the Kalman？Filter for Indoor Localization", Sensors, Vol. 15, No. 1,？pp. 715-732, 2015.

상세보기
Jongtaek Oh and Sojung Yoon, "A Study on Estimating？Smartphone Camera Position", The Journal of the？Institute of Internet, Broadcasting & Communication,？Vol. 21, No. 6, pp. 99-104, 2021.
Nattapong Swangmuang and Prashant Krishnamurthy,？"An Effective Location Fingerprinting Model for？Wireless Indoor Localization", Pervasive and Mobile？Computing, Vol. 4, pp. 836-850, 2008.
Ville Honkavirta, Tommi Perala, Simo Ali-Loytty, and？Robert Piche, "A Comparative Survey of WLAN？Location Fingerprinting Methods", 6th Workshop on？Positioning, Navigation and Communication, pp. 243-251, Hannover, Germany, March 2009.？doi:10.1109/WPNC.2009.4907834
Jongtaek Oh and Jisu Kim, "Adaptive K-nearest？neighbour algorithm for WiFi fingerprint positioning",？ICT Express, Vol. 2018, No. 4, pp. 91-94, April 2018.
Xu Feng, Khuong An Nguyen, and Zhiyuan Luo, "A？survey of deep learning approaches for WIFI-based？indoor positioning", Journal of Information and？Telecommunication, Volume 6, Issue-2, 2022.
Sinha, R. S., & Hwang, S. H., "Comparison of CNN？applications for RSSI-based fingerprint indoor？localization", Electronics, 8(9), 989, 2019.
Song, X., Fan, X., Xiang, C., Ye, Q., Liu, L., Wang, Z.,？He, X., Yang, N., & Fang, G., "A novel convolutional？neural network based indoor localization framework？with WiFi fingerprinting", IEEE Access, 7(1), 110698-110709, 2019.
Ssekidde, P., Steven Eyobu, O., Han, D. S., & Oyana,？T. J., "Augmented CWT features for deep？learning-based indoor localization using WiFi RSSI？data", Applied Sciences, 11(4), 1806, 2021.
Houda Sarih, Ayeley Tchangani, Kamal Medjaher, and？Eric Pere, "Data preparation and preprocessing for？broadcast systems monitoring in PHM framework",？Int. Conf. Cont. Dec. Inf. Tech., April 2019.
S. Zekavat and R. Buehrer, Handbook of position？location: Theory, practice, and Advances, IEEE Press, 2012.

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

WiFi fingerprint에서 데이터의 사전 처리 기술 연구
A Study on Preprocessing Techniques of Data in WiFi Fingerprint 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (10)

표/그림 (10)

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

데이터처리

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

WiFi fingerprint에서 데이터의 사전 처리 기술 연구 A Study on Preprocessing Techniques of Data in WiFi Fingerprint 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (10) 모든 표/그림 보기

표/그림 (10) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

데이터처리

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

오종택 (41)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

WiFi fingerprint에서 데이터의 사전 처리 기술 연구
A Study on Preprocessing Techniques of Data in WiFi Fingerprint 원문보기

초록
AI-Helper

표/그림 (10)

표/그림 (10)

AI 본문요약
AI-Helper