지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 신요안
- 발행연도
- 2021
- 저작권
- 숭실대학교 논문은 저작권에 의해 보호받습니다.
이용수46
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
스마트폰 사용자의 현재 위치를 추적하기 위해 이동 변화량을 관성 센서 기반으로 계산하는 보행자 관성항법은 사용자의 신체적, 보행 습관에 따른 보폭 추정 문제, 보행 경로에 따른 드리프트 문제, 주변 환경에 따른 자기장 변동 문제가 발생한다. 이와 같은 문제를 해결하여 측위 정확도를 향상하기 위한 연구가 활발히 진행되고 있으며 본 논문에서는 기존 보행자 관성항법에서 발생하는 문제를 해결하기 위한 딥러닝 기반의 PDR 기법을 제안한다. 제안 기법은 관성 센서의 문제점을 보완하기 위해 스마트폰 사용자의 움직임을 표현할 수 있는 관성 센서를 GPS의 위치 변화량으로 대응시키고 두 요소를 입력과 출력 데이터로 구성해 심층 신경망을 학습시킨다. 또한, 대다수의 딥러닝 학습에서 존재하는 문제 중 하나인 데이터 부족 문제를 해결하기 위해 제안 기법의 입출력 데이터 특성을 활용한 데이터 증강 기법을 제안하며, 보유한 데이터가 적은 상황에서도 데이터 증강을 통해 학습과 측위 성능의 효율성을 향상한다.
제안 기법의 알고리즘 개발과 실제 측위 실험을 위해 Android OS 기반 삼성전자의 Galaxy S8 스마트폰에서 응용 프로그램을 구축하였고, 딥러닝 프레임 워크는 스마트폰에 이식이 쉬운 Google사의 TensorFlow를 사용하여 제안하는 딥러닝 기반 PDR 기법의 모델을 구축 및 학습을 진행하였다. 제안 기법의 실제 측위 성능을 확인하기 위해 단일 건물을 통과하는 짧은 경로 실험과 두 개의 건물을 통과하는 복잡하고 긴 경로의 실험을 통해 실질적인 측위 성능을 확인하였다.
제안 기법의 알고리즘 개발과 실제 측위 실험을 위해 Android OS 기반 삼성전자의 Galaxy S8 스마트폰에서 응용 프로그램을 구축하였고, 딥러닝 프레임 워크는 스마트폰에 이식이 쉬운 Google사의 TensorFlow를 사용하여 제안하는 딥러닝 기반 PDR 기법의 모델을 구축 및 학습을 진행하였다. 제안 기법의 실제 측위 성능을 확인하기 위해 단일 건물을 통과하는 짧은 경로 실험과 두 개의 건물을 통과하는 복잡하고 긴 경로의 실험을 통해 실질적인 측위 성능을 확인하였다.
목차
제 1 장 서론 11.1 연구 배경 및 내용 11.2 논문의 구성 5제 2 장 PDR 측위 기법과 오차 요소 62.1 IMU 기반 PDR 기법 62.1.1 이동 감지 및 걸음 길이 계산 62.1.2 이동 방향 및 위치 계산 72.2 PDR 기법 측위 오차 요소 102.2.1 보폭 추정 문제 112.2.2 방향 추정 문제 132.2.3 기존의 방향 오차 요소 해결 방안 14제 3 장 딥러닝 기반 PDR 기법 173.1 DL-PDR 성능 개선 시나리오 183.2 DL-PDR 학습 데이터 구성과 수집 과정 203.3 DL-PDR 입출력 데이터 특성 분석 및 전처리 과정 213.3.1 출력 데이터 특성 분석 213.3.2 출력 데이터 구성 223.3.3 입력 데이터 구성 233.4 데이터 정제와 증강 253.4.1 데이터 정제 기법 263.4.2 데이터 증강 기법 293.5 모델 구성 및 학습 결과 333.5.1 모델의 구성 333.5.2 학습 결과 36제 4 장 실험 결과 394.1 실험 환경 및 측위 성능지표 394.2 단일 건물 측위 실험 404.3 다중 건물 측위 실험 43제 5 장 결론 46참고문헌 47
최근 본 자료
댓글(0)
0