다층 건물 내 Wi-Fi 환경에서 스마트 폰을 이용한 층간 위치 측위 및 위치 추정 알고리즘 :Inter-floor determination and localization algorithm using smart phone in a building of Wi-Fi environment

이정용

추천

검색

자료유형: 학위논문

저자정보: 이정용 (동명대학교, 동명대학교 대학원)

지도교수: 이동명

발행연도: 2016

저작권: 동명대학교 논문은 저작권에 의해 보호받습니다.

이용수3

이 논문의 연구 히스토리 (3)

2016

다층 건물 내 Wi-Fi 환경에서 스마트 폰을 이용한 층간 위치 측위 및 위치 추정 알고리즘

이정용 컴퓨터미디어공학과 2016.01 학위논문

2015

Wi-Fi 환경에서 센서 및 정규분포 확률을 적용한 실내 위치추정 알고리즘

이정용 , 이동명 한국통신학회논문지 2015.09 학술저널

Wi-Fi 환경에서 센서 및 정규분포 확률을 적용한 하이브리드 위치추정 알고리즘

이정용 , 이동명 한국통신학회 학술대회논문집 2015.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

핑거프린트 기법(Fingerprint Method)은 실내 Wi-Fi 환경에서 스마트폰 사용자의 위치추정 기법으로 사용되는 대표적인 측위기법이다. 그러나 이 기법은 LOS(Line Of Sight) 환경에서 위치추정 정확도는 우수하지만 핑거프린트 맵의 규모가 커질 경우 맵을 탐색하는 시간이 많이 소요되고, 특히 NLOS(Non LOS) 환경에서는 위치추정 정확도가 낮아진다.
본 논문에서는 핑거프린트 기법의 환경적인 요소에 따른 위치 정확도 하락에 대한 문제를 보완하고자 정규분포와 스마트 폰의 내장 센서인 가속도 및 자이로 센서, 그리고 다층 건물의 층간 위치 측위를 위하여 MWF(Multi Floor Wall) 모델의 개념을 적용한 알고리즘을 제시하였다.
제안하는 위치 추정 알고리즘의 성능 분석은 위해 본 교 공대 건물 내 1~3층, 가로 세로 2.5m x 10m의 복도식의 공간에서 실시하였다. 사용자는 1층의 초기 위치에서 2층으로 이동하였다 다시 3층으로 이동하고, 마지막으로 다시 1층으로 내려오는 방식으로 시나리오를 만들어 실험을 실시하였다. 실험결과, MWF 모델을 이용한 층간 위치 측위는 사용자의 현재 층간 위치를 100% 인식하였다. 제안하는 위치 추정 알고리즘의 성능은 핑거프린트 기법과 추측항법에 비교했을 때, 최소 오차 거리는 비슷하지만 평균 오차 거리는 각각 약 13cm, 16cm 더 우수하였고, 최대 오차 거리도 13cm, 32cm 더 우수한 것으로 확인되었다. 결과적으로 제안하는 알고리즘의 성능이 다른 두 알고리즘의 성능보다 우수하다고 판단된다. 따라서 논문의 실험 환경과 유사한 공간에서 사용자의 위치 추정 시 보다 정확한 성능에 큰 도움을 줄 수 있을 것으로 기대된다.

The fingerprint method is a typical positioning technique for smart-phone user''s localization in indoor Wi-fi environment. Even though the performance of the location estimation accuracy of the technique is good in LOS(Line Of Sight) environment, the map searching time is especially more required under the large scale of fingerprint map.
In this paper, the algorithm based on the normal distribution, and the acceleration sensor and a gyro sensor that are the embedded sensors in smart-phone is proposed for solving the degradation problem of the positioning accuracy according to the environmental factors of the fingerprint technique. The MWF(Multi Floor Wall) model is used for the inter-floor positioning in the multi-flooring building.
Performance analysis of the proposed algorithm is executed at theregion of the horizontal and vertical scale such as 2.5m x 10m in the 1st~3rd floors of the engineering school building of Tongmyong University. The experiments are tried under the scenario that a user starts from at the original location that is 1st floor and goes up to 2nd and 3rd floors, and returns back to the 1st floor. As a result, the accuracy ratio of the inter-floor determination using MWF model for the user’s current location by the proposed algorithm is measured to 100%.
The performance of the proposed algorithm can be summarized as follows. The average/maximum error distances of the proposed algorithm are more decreased than the dead-reckoning and the fingerprint techniques as 13cm/16cm and 13cm/32cm, respectively. However, the minimum error distance of the proposed algorithm is similar to the dead-reckoning and the fingerprint techniques. As a result, it can be seen that the performance of the proposed algorithm is superior than the dead-reckoning and the fingerprint techniques. Therefore, the proposed algorithm might contribute to achieve more high quality localization performance in indoor positioning under the similar experimental environment in this paper.

Ⅰ.서론 1
Ⅱ. 관련연구 3
1. Log-Distance 경로손실 모델 3
2. 실내 위치 추정 기술 4
3. 보행자 추측항법 8
Ⅲ. 제안하는 위치 추정 알고리즘 10
1. 설계 기본방향 10
2. MWF 모델을 이용한 층간 위치 측위 11
3. 정규분포 확률을 이용한 핑거프린트 기법 17
4. 스마트 폰 센서를 이용한 보행자 추측항법 20
5. 제안하는 알고리즘 흐름도 26
Ⅳ. 실험 환경 및 성능 분석 28
1. 시스템 구성 28
2. 실내 위치 추정을 위한 환경 구조 29
3. 실험 환경 30
4. 시나리오 33
5. 성능 분석 34
Ⅴ.결론 42
참고문헌 43
ABSTRACT 46

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)