KR100946988B1 - 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식장치 및 방법 - Google Patents

가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식장치 및 방법 Download PDF

Info

Publication number
KR100946988B1
KR100946988B1 KR1020070100826A KR20070100826A KR100946988B1 KR 100946988 B1 KR100946988 B1 KR 100946988B1 KR 1020070100826 A KR1020070100826 A KR 1020070100826A KR 20070100826 A KR20070100826 A KR 20070100826A KR 100946988 B1 KR100946988 B1 KR 100946988B1
Authority
KR
South Korea
Prior art keywords
maximum likelihood
location
weight
recognition
nodes
Prior art date
Application number
KR1020070100826A
Other languages
English (en)
Other versions
KR20090035824A (ko
Inventor
김재호
송민환
안일엽
이상신
원광호
김동순
김태현
Original Assignee
전자부품연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 전자부품연구원 filed Critical 전자부품연구원
Priority to KR1020070100826A priority Critical patent/KR100946988B1/ko
Priority to US11/965,027 priority patent/US7852266B2/en
Publication of KR20090035824A publication Critical patent/KR20090035824A/ko
Application granted granted Critical
Publication of KR100946988B1 publication Critical patent/KR100946988B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0284—Relative positioning
    • G01S5/0289—Relative positioning of multiple transceivers, e.g. in ad hoc networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/46—Indirect determination of position data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Probability & Statistics with Applications (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

본 발명은 블라인드 노드의 위치 추정에 있어서 노드들 간의 위치인식의 정확도를 개선할 수 있는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치 및 방법에 관한 것이다. 이와 같은 본 발명은, 위치 인식이 요청되면 주변 노드들과 위치 인식 정보를 교환하는 단계와; 가중치를 포함하는 최대우도추정을 이용하여 위치 추정을 수행하는 단계와; 상기 위치 인식 정보 및 위치 추정에 따른 추정값을 이용하여 위치 계산을 수행하는 단계와; 블라인드 노드들의 위치 인식 결과를 제공하는 단계를 포함하여 이루어짐으로써, 위치 인식 오차를 최소화하고 위치 인식의 정확도를 개선할 수 있다.
협업위치인식, 최대우도추정, 가중치

Description

가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치 및 방법{APPARATUS AND METHOD FOR COLLABORATIVE LOCATION ESTIMATION BASED ON WEIGHTED MAXIMUM LIKELIHOOD ESTIMATION}
본 발명은 위치 인식 기술에 관한 것으로, 특히 블라인드 노드의 위치 추정에 있어서 노드들 간의 위치인식의 정확도를 개선할 수 있는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치 및 방법에 관한 것이다.
Neal Patwari는 "Relative location estimation in wireless sensor networks, IEEE Trans. Signal Processing, vol. 51, no. 8, pp. 2137??2148, Aug. 2003-N. Patwari, A.O. Hero III, M. Perkins, N.S. Correal, and R.J. O'Dea"에서 주변 센서들과 자신 사이의 RSS(Received Signal Strength)와 TOA(Time-of-arrival) 정보를 이용한 위치인식을 위한 CRB(Cramer Rao Bound)과 MLE(Maximum-likelihood estimator)에 대하여 제안하였다.
N. Patwari가 제안한 알고리즘은 다음 [수학식 1]과 같은 MLE를 블라인드(Blind) 노드의 위치에 대한 추정 값으로 이용한다.
Figure 112007071979194-pat00001
Figure 112007071979194-pat00002
: RSS 정보를 이용한 Blind 노드의 좌표 추정치
d i ,j : 유클리디언 거리
Figure 112007071979194-pat00003
: 측정된 RSS 정보를 이용하여 Path-Loss 모델에 기반하여 계산된 거리
m : 기준(Reference) 노드 개수
n : 블라인드(Blind) 노드 개수
H(i) : 노드 i와 링크를 가지는 노드들
MLE에서 사용되는 C는 다음 [수학식 2]와 같이 정의된다.
Figure 112007071979194-pat00004
상기 [수학식 1]에 기술된 ML 함수를 최소화 하는 추정 값인
Figure 112007071979194-pat00005
이 Blind 노드들의 위치에 대한 추정치로 사용된다.
N. Patwari의 알고리즘에서 제안된 위치인식 기술은 기본적으로 기준(Reference) 노드와 블라인드(Blind) 노드의 정보를 동등하게 고려하여 위치 추정에 사용한다. 여기에서는 블라인드 노드의 위치가 추정된 좌표가 오차를 포함하는 좌표임에도 불구하고 이에 대한 고려가 되어 있지 않다. 즉, N. Patwari의 알고리즘과 같은 종래의 위치인식 알고리즘은 블라인드 노드의 정보를 이용할 때 위치 추정에 따른 오차가 포함되어 있으나 이를 고려하지 않음으로서 위치인식 환경의 페이딩(Fading) 상황에 대하여 민감하게 반응하며 전체적으로 위치인식의 성능이 저하되고, 특히 특정 페이딩 환경에서 오차가 매우 높은 위치인식이 이루지는 경우가 발생하는 문제점이 있다.
따라서 본 발명은 상기와 같은 문제점을 해결하기 위해 고안된 것으로, 본 발명의 목적은 특히 블라인드 노드의 위치 추정에 있어서 노드들 간의 위치인식의 정확도를 개선할 수 있는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치 및 방법을 제공함에 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 실시 예에 따른 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치는, 위치 인식 정보의 송수신을 위한 송수신부와; 상기 위치 인식 정보를 기반으로 가중치를 포함하는 최대우도추정을 이용하여 네트워크 내 특정 단위 블록에서의 위치 추정을 수행하는 위치 추정부와; 상기 위치 인식 정보 및 위치 추정부의 추정값을 이용하여 블라인드 노드의 위치를 계산하는 위치 계산부와; 상기 위치가 계산된 블라인드 노드와 주변 노드들간의 협업 위치 인식을 수행하고 노드들의 전체적인 위치를 계산하는 위치 인식부를 포함하여 구성될 수 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 실시 예에 따른 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법은, 위치 인식이 요청되면 주변 노드들 중 기준 노드 및 위치가 추정된 블라인드 노드와 위치 인식 정보를 교환하는 단계와; 가중치를 포함하는 최대우도추정을 이용하여 위치 추정을 수행하는 단계와; 상기 위치 인식 정보 및 위치 추정에 따른 추정값을 이용하여 위치 계산을 수행하는 단계와; 블라인드 노드들의 위치 인식 결과를 제공하는 단계를 포함하여 이루어질 수 있다.
본 발명에 따른 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치 및 방법은, 블라인드 노드가 위치 추정 시 갖는 위치인식 오차 한계에 따라서 해당 노드의 정보에 대해 가중치를 적용함으로서 위치인식 오차 및 표준 편차에 대한 성능을 개선하는 효과가 있다. 또한 본 발명은 이웃 노드들 중 기준 노드 및 위치가 추정된 블라인드 노드들과 협업 위치 인식을 반복적으로 수행토록 함으로써, 위치 인식 오차를 최소화하고 위치 인식 성능을 개선하는 효과가 있다.
본 발명의 위치 인식 장치 및 방법은 무선 센서 네트워크의 노드, 특히, 블라인드 노드에서 수행될 수 있다. 즉, 본 발명은 블라인드 노드의 위치 추정에 적용되며, 기준 노드의 정보를 이용함과 더불어 블라인드 노드들 간에 정보를 주기적으로 주고받으면서 서로의 위치 인식의 정확도를 개선시킬 수 있다.
본 발명의 경로손실(Path-Loss) 모델로는 Theodore S. Rappaport가 "Wireless Communications"에서 제안한 경로손실 모델이 사용될 수 있는데, 이는 다음 [수학식 3]과 같다.
Figure 112007071979194-pat00006
여기에서, P i ,j 는 노드 j 에 의해서 보내진 RF 신호가 노드 i 에서 받아질 때 dBm 단위의 신호세기를 나타낸다.
Figure 112007071979194-pat00007
는 d 0 에서 받아지는 평균 수신강도를 나타낸다. n 은 경로손실 지수(Path-Loss exponent)를 나타내고 X σ 는 음영효과(Shadowing effect)를 반영한 σ의 표준편차를 가지는 정규확률변수(normal random variable)이다. d i ,j 는 노드 i 에서 j 까지의 유클리디언 거리(Euclidean distance)를 나타내며 d 0 는
Figure 112007071979194-pat00008
를 측정할 때 사용되어진 기준 거리이다. 여기서는 d 0 로 1 미터를 사용하였다.
이하, 본 발명의 바람직한 실시 예들을 첨부한 도면을 참조하여 상세히 설명한다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다. 또한 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
도 1은 본 발명의 실시 예에 따른 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치의 구성을 나타내는 구성도이다.
도 1에 도시된 바와 같이, 위치 인식 장치(100)는, 위치 인식을 위한 정보 (이하 위치 인식 정보)의 송수신을 위한 송수신부(110)와; 상기 위치 인식 정보를 기반으로 가중치를 포함하는 최대우도추정을 이용하여 네트워크 내 특정 단위 블록에서의 위치 추정을 수행하는 위치 추정부(120)와; 상기 위치 인식 정보 및 위치 추정부(120)의 추정값을 이용하여 블라인드 노드의 위치를 계산하는 위치 계산부(130)와; 상기 위치가 계산된 블라인드 노드와 주변 노드들간의 협업 위치 인식을 수행하고 노드들의 전체적인 위치를 계산하는 위치 인식부(140)를 포함하여 구성될 수 있다.
상기 송수신부(110)는 위치인식이 요청되면 지그비 네트워크와 같은 센서네트워크를 이용하여 위치 인식 정보(예컨대 수신신호강도(Received Signal Strength: RSS) 정보나 도래시간(Time Of Arrival: TOA) 정보 등)를 주고받는다. 예컨대, 타이머 구동에 의해 타이머가 만료될 때마다, 즉, 주기적으로 이미 위치가 알려진 노드들 및 위치가 추정된 노드들에 위치인식 정보를 요청하고 이를 받아 상기 위치 추정부(120)에 제공한다. 이를 위해 상기 위치 인식 장치(100)는 주기적인 위치인식 정보 교환을 위한 타이밍 신호를 생성하는 타이머(150)를 더 포함하여 구성될 수 있다.
상기 위치 추정부(120)는 상기 송수신부(110)로부터 제공되는 위치 인식 정보를 기반으로 네트워크 내 특정 단위 블록에서 가중치를 포함하는 최대우도추정(Maximum Likelihood Estimation: MLE)을 이용하여 블라인드 노드의 위치를 추정한다. 여기에서 최대우도(Maximum Likelihood: ML) 함수의 최소값이 블라인드 노드의 위치 추정에 이용될 수 있다.
상기 ML 함수에서 사용되는 변수들은 다음과 같으며, ML 함수는 하기의 [수학식 4]와 같다.
θ는 블라인드 노드를 나타내며 다음과 같이 정의된다.
Figure 112007071979194-pat00009
ρ는 기준(reference) 노드를 나타내며 다음과 같이 정의된다.
Figure 112007071979194-pat00010
Figure 112007071979194-pat00011
는 네트워크에 존재하는 모든 노드들을 나타내며 다음과 같이 정의된다.
Figure 112007071979194-pat00013
는 블라인드 노드들 중에서 위치가 계산된 모든 노드들을 나타내며 다음과 같이 정의 된다.
Figure 112007071979194-pat00014
N(i) 는
Figure 112007071979194-pat00015
노드의 이웃 노드 중에서 기준 노드로 이용 가능한 노드들의 인덱스를 나타내며 다음과 같이 정의된다.
Figure 112007071979194-pat00016
Figure 112007071979194-pat00017
상기 [수학식 4]에서 사용되는 e j 는 MLE 계산 시 각 노드의 정보의 영향도 에 대한 가중치로서 작용하게 된다. 즉 e j 가 0일 경우 최대의 영향도를 가지게 되며 0보다 큰 값을 가질 경우 ML 함수의 영향도를 줄이는 역할을 하게 된다. e i 값은 기준 노드에 대해서는 0이 적용되며 블라인드 노드의 경우에는 다음 [수학식 5]에서와 같이 크래머-라오 하한값(Cramer Rao Low Bound)에 가중치율(w)을 적용한 값으로 표현된다.
Figure 112007071979194-pat00018
[수학식 5]에서 사용되는 b,
Figure 112007071979194-pat00019
는 다음과 같이 정의된다.
Figure 112007071979194-pat00020
Figure 112007071979194-pat00021
,
Figure 112007071979194-pat00022
e i 에 적용되는 가중치율(w)은 실험적으로 최소의 평균 위치인식 오류를 가지는 값으로 결정된다. 표준편차 σ는 환경변수로서 위치인식 응용 환경에 따라 변하게 되며 표준편차 σ의 변화에 따라 가중치율 w는 선택적으로 사용되어야 한다.
상기 위치 추정부(120)는 NCGM(Nonlinear Conjugate Gradient Method)을 이 용한 방법을 이용하여 ML 함수를 최소화하는 추정치
Figure 112007071979194-pat00023
를 계산할 수 있다.
상기 NCGM을 이용한 방법에서 계산속도 향상을 위해 빠른 수렴의 특징을 가지는 폴락-리비레(Polak-Ribiere) 알고리즘이 사용될 수 있다. 폴락-리비레 알고리즘은 다음과 같다.
Figure 112007071979194-pat00024
Figure 112007071979194-pat00025
Figure 112007071979194-pat00026
Figure 112007071979194-pat00027
Figure 112007071979194-pat00028
Figure 112007071979194-pat00029
상기 폴락-리비레 알고리즘을 적용하기 전 적절한 초기 x를 선정하는 전처리 과정이 수행될 수 있다.
상기 폴락-리비레 알고리즘에서
Figure 112007071979194-pat00030
를 계산하기 위한 라인탐색(Line Search) 알고리즘은 상기 ML 함수에 적합하도록 변형된 할선법(Secant Method)이 사용될 수 있다. 이 라인탐색 알고리즘은 다음과 같다.
Figure 112007071979194-pat00031
Figure 112007071979194-pat00032
Figure 112007071979194-pat00033
Figure 112007071979194-pat00034
상기 라인탐색 알고리즘을 적용하기 위해서 사용되는 도함수
Figure 112007071979194-pat00035
는 ML 함수로부터 유도될 수 있으며 다음과 같이 표현된다.
Figure 112007071979194-pat00036
Figure 112007071979194-pat00037
의 x에 대한 편미분
Figure 112007071979194-pat00038
함수는 다음과 같이 유도된다.
Figure 112007071979194-pat00039
Figure 112007071979194-pat00040
의 y에 대한 편미분
Figure 112007071979194-pat00041
함수는 다음과 같이 유도된다.
Figure 112007071979194-pat00042
상기 위치 추정부(120)는 탐색 공간 내에서 반복적 계산을 통해 MLE를 최소화 하는 방법을 이용하여 ML 함수를 최소화하는 추정치
Figure 112007071979194-pat00043
를 계산할 수 있다. 즉, 탐색 공간 내에서 최초 임의의 초기지점 (X,Y)에 대해 ML 함수를 계산하고, ML 함수를 최소화하는 지점 (X,Y)를 찾을 때까지 X,Y를 갱신하고 ML 함수를 계산하는 것을 반복하는 것으로, 탐색 공간 내에서 반복적 계산을 통하여 MLE를 최소화 하는 방법은 구현에 있어서 상당히 간단한 구조를 갖는 장점이 있다.
상기 위치 계산부(130)는 상기 위치 추정부(120)와의 인터랙션을 통해 해당 블라인드 노드의 위치를 계산한다. 즉, 상기 위치 계산부(130)는 상기 송수신부(110)로부터 제공되는 위치 인식 정보 및 상기 ML 함수를 최소화하는 추정치
Figure 112007071979194-pat00044
를 기반으로 현재 위치를 계산한다.
상기 위치 인식부(140)는 상기 위치 추정부(120)를 이용하여 네트워크 안에 존재하는 블라인드 노드들의 위치 인식 결과를 제공한다. 즉, 단위 블록의 위치 인식 결과를 기반으로 전체적인 위치 인식을 수행한다. 또한 상기 위치 인식부(140)는 노드 간의 협업 위치 인식을 제공하며 주변 노드들의 위치 인식 결과를 지속적으로 반영함으로써 위치 인식 결과의 오차를 줄인다. 즉, 반복적으로 주변 노드들의 위치 인식 결과를 반영하여 위치 추정을 수행하고 위치 인식 결과를 갱신하는 것으로 이는 도 3을 참조하여 설명하기로 한다.
도 2는 본 발명의 실시 예에 따른 협업 위치 인식 알고리즘을 나타낸 도면으로, 이를 참조하면, 블라인드 노드는 자신의 위치를 추정하기 위해 이웃 노드들 중 기준 노드와 위치가 추정된 블라인드 노드를 이용한다. 또한 노드들의 위치 추정 주기에 따라서 위치 추정 및 갱신을 계속 반복함으로써 이웃 노드의 업데이트된 정보를 이용하여 위치인식 결과를 개선한다. 도면에서 검은 점은 기준 노드를 나타내고 흰색 점은 블라인드 노드를 나타내며, 실선은 위치인식에 사용되는 노드를 나타내고 점선은 이웃 노드이지만 위치인식에 사용되지 않는 노드를 나타낸다. 위치인 식에 사용되는 노드란 해당 노드와 위치인식을 위한 정보를 주고받는 것을 의미하는데, 이때 교환되는 정보는 RSS 정보나 TOA 정보, 가중치를 적용한 크래머-라오 하한값, 노드의 좌표 혹은 추정된 좌표 정보를 포함할 수 있다. 각 노드들은 주기적으로 위치인식 결과를 업데이트함으로써 새로운 위치를 계산하고 CRB를 다시 계산한다.
도 3은 본 발명의 실시 예에 따른 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법의 절차를 나타내는 흐름도이다.
도 3을 참조하면, S310 단계에서 위치 인식이 요청되면, S320 단계에서 상기 송수신부(110)는 주변의 노드들과 위치 인식 정보를 교환한다. 즉, 타이머 만료 등으로 위치 인식 프로세스가 시작되면 위치 추정을 위해 이웃 노드들 중 기준 노드 및 위치가 추정된 블라인드 노드와 위치 인식 정보를 교환하는 것으로, 위치 인식 정보는 전술한 바와 같이 RSS 정보나 TOA 정보, 가중치를 적용한 크래머-라오 하한값, 노드의 좌표 혹은 추정된 좌표 정보를 포함할 수 있다. 이때 이웃 노드들 중 블라인드 노드는 위치 추정을 통해 위치 인식 정보를 제공하고, 기준 노드는 정해진 위치 인식 정보를 제공할 수 있다.
S330 단계에서 상기 위치 추정부(120)는 상기 송수신부(110)로부터 제공되는 위치 인식 정보를 기반으로 네트워크 내 특정 단위 블록에서 가중치를 포함하는 최대우도추정(Maximum Likelihood Estimation: MLE)을 이용하여 블라인드 노드의 위치를 추정한다.
전술한 바와 같이 최대우도(Maximum Likelihood: ML) 함수를 최소화하는 추 정값이 블라인드 노드의 위치 추정값으로 사용될 수 있으며, ML 함수는 상기 [수학식 4]와 같다. 상기 [수학식 4]에서 사용되는 e j 는 MLE 계산 시 각 노드의 정보의 영향도에 대한 가중치로서 작용하게 된다. 즉 e j 가 0일 경우 최대의 영향도를 가지게 되며 0보다 큰 값을 가질 경우 ML 함수의 영향도를 줄이는 역할을 하게 된다. e i 값은 기준 노드에 대해서는 0이 적용되며 블라인드 노드의 경우에는 상기 [수학식 5]에서와 같이 크래머-라오 하한값(Cramer Rao Low Bound)에 가중치율(w)을 적용한 값으로 표현된다.
또한 상기 위치 추정부(120)는 NCGM(Nonlinear Conjugate Gradient Method)을 이용한 방법이나 탐색 공간 내에서 반복적 계산을 통해 MLE를 최소화하는 방법을 이용하여 ML 함수를 최소화하는 추정치
Figure 112007071979194-pat00045
를 계산할 수 있다.
위치 추정이 완료되면, S340 단계에서 상기 위치 계산부(130)는 상기 위치 추정부(120)와의 인터랙션을 통해 해당 블라인드 노드의 위치를 계산한다.
이어서, S350 단계에서 상기 위치 인식부(140)는 상기 위치 계산부(130)에 의해 계산된 상대적인 위치 정보를 전체 네트워크의 응용에서 요구되는 실질적인 위치 정보로 전환하여 제공한다. 즉, 주변 노드 기준의 상대적 위치 좌표를 전체 응용 지역에서 사용되는 좌표기준으로 변환하여 제공한다. 또한 주기적으로 상기 S310 내지 S350 단계들을 반복적으로 수행하도록 함으로써 반복적인 노드 간의 협업 위치 인식을 제공한다. 이에 따라 위치인식 환경의 페이딩 상황에 많은 영향을 받지 않고 전체적인 위치인식 성능을 개선할 수 있다. 실제 실험상으로 400 평방미 터(m2)에서 경로손실 모델의 표준편차가 3인 경우 4개의 기준 노드와 9개의 블라인드 노드를 이용하여 블라인드 노드들의 위치인식 오차의 평균을 계산한 결과, 본 발명의 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 알고리즘은 종래의 N. Patwari가 제안한 알고리즘에 비해 약 43%의 성능 개선이 이루어졌다.
상술한 바와 같은 본 발명은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 형태로 기록매체(예컨대, 씨디롬, 램, 플로피 디스크, 하드 디스크, 광자기 디스크, 플래쉬 메모리 등)에 저장될 수 있다.
이상에서는 본 발명에서 특정의 바람직한 실시 예에 대하여 도시하고 또한 설명하였다. 그러나 본 발명은 상술한 실시 예에 한정되지 아니하며, 특허 청구의 범위에서 첨부하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능할 것이다.
도 1은 본 발명의 실시 예에 따른 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치의 구성을 나타내는 구성도.
도 2는 본 발명의 실시 예에 따른 협업 위치 인식 알고리즘을 나타낸 도면.
도 3은 본 발명의 실시 예에 따른 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법의 절차를 나타내는 흐름도.

Claims (24)

  1. 위치 인식 정보의 송수신을 위한 송수신부와;
    상기 위치 인식 정보를 기반으로 가중치를 포함하는 최대우도추정(Maximum Likelihood Estimation : MLE)을 이용하여 네트워크 내 특정 단위 블록에서의 위치 추정을 수행하는 위치 추정부와;
    상기 위치 인식 정보 및 위치 추정부의 추정값을 이용하여 블라인드 노드의 위치를 계산하는 위치 계산부와;
    상기 위치가 계산된 블라인드 노드와 주변 노드들간의 협업 위치 인식을 수행하고 노드들의 전체적인 위치를 계산하는 위치 인식부를 포함하여 구성되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  2. 제 1항에 있어서, 상기 송수신부는
    주기적으로 이미 위치가 알려진 노드들 및 위치가 추정된 노드들과 위치인식 정보를 교환하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  3. 제 2항에 있어서, 주기적인 위치인식 정보 교환을 위한 타이밍 신호를 생성하는 타이머를 더 포함하여 구성되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  4. 제 1항에 있어서, 상기 위치 추정부는
    다음 [수학식 6]과 같은 최대우도 함수를 이용하여 해당 블라인드 노드의 위치를 추정하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
    Figure 112007071979194-pat00046
    θ는 블라인드 노드를 나타내며 다음과 같이 정의된다.
    Figure 112007071979194-pat00047
    N(i) 는
    Figure 112007071979194-pat00048
    노드의 이웃 노드 중에서 기준 노드로 이용 가능한 노드들의 인덱스를 나타내며 다음과 같이 정의된다.
    Figure 112007071979194-pat00049
    ρ는 기준(reference) 노드를 나타내며 다음과 같이 정의된다.
    Figure 112007071979194-pat00050
    Figure 112007071979194-pat00051
    는 네트워크에 존재하는 모든 노드들을 나타내며 다음과 같이 정의된다.
    Figure 112007071979194-pat00052
    Figure 112007071979194-pat00053
    는 블라인드 노드들 중에서 위치가 계산된 모든 노드들을 나타내며 다음과 같이 정의된다.
    Figure 112007071979194-pat00054
    e j 는 MLE 계산 시 각 노드의 정보의 영향도에 대한 가중치를 나타낸다.
  5. 제 4항에 있어서, 상기 가중치는
    기준 노드에 대해서 0인 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  6. 제 4항에 있어서, 상기 가중치는
    블라인드 노드의 경우 다음 [수학식 7]에서와 같이 크래머-라오 하한값(Cramer Rao Low Bound)에 가중치율(w)을 적용한 값이 되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
    Figure 112007071979194-pat00055
    여기에서
    Figure 112007071979194-pat00056
    ,
    Figure 112007071979194-pat00057
    ,
    Figure 112007071979194-pat00058
  7. 제 4항에 있어서, 상기 위치 추정부는
    상기 최대우도 함수를 최소화하는
    Figure 112007071979194-pat00059
    를 해당 블라인드 노드의 위치 추정값으로 결정하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  8. 제 7항에 있어서, 상기 위치 추정부는
    NCGM(Nonlinear Conjugate Gradient Method)을 이용한 방법을 이용하여 ML 함수를 최소화하는
    Figure 112007071979194-pat00060
    를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  9. 제 8항에 있어서, 상기 위치 추정부는
    상기 NCGM을 이용한 방법에서 계산속도 향상을 위해 상기 최대우도 함수에 적합하도록 변형된 할선법의 라인탐색 알고리즘을 이용하는 폴락-리비레(Polak-Ribiere) 알고리즘을 사용하여 ML 함수를 최소화하는
    Figure 112007071979194-pat00061
    를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  10. 제 7항에 있어서, 상기 위치 추정부는
    탐색 공간 내에서 반복적 계산을 통해 MLE를 최소화하는 방법을 이용하여 ML 함수를 최소화하는
    Figure 112007071979194-pat00062
    를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  11. 제 1항에 있어서, 상기 위치 인식부는
    반복적으로 주변 노드들의 위치 인식 결과를 반영하여 위치 추정을 수행하고 위치 인식 결과를 갱신하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  12. 제 1항에 있어서, 상기 위치 인식 정보는
    수신신호강도(Recieved Signal Strength: RSS) 정보나 도래시간(Time Of Arrival: TOA) 정보, 가중치를 적용한 크래머-라오 하한값, 노드의 좌표 혹은 추정된 좌표 정보를 포함하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치.
  13. 위치 인식이 요청되면 주변 노드들 중 기준 노드 및 위치가 추정된 블라인드 노드와 위치 인식 정보를 교환하는 단계와;
    가중치를 포함하는 최대우도추정(Maximum Likelihood Estimation: MLE)을 이용하여 위치 추정을 수행하는 단계와;
    상기 위치 인식 정보 및 위치 추정에 따른 추정값을 이용하여 위치 계산을 수행하는 단계와;
    블라인드 노드들의 위치 인식 결과를 제공하는 단계를 포함하여 이루어지는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
  14. 제 13항에 있어서, 상기 위치 인식 정보 교환 단계에서
    위치 인식은 주기적으로 요청되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
  15. 제 13항에 있어서, 상기 위치 인식 정보는
    수신신호강도(Recieved Signal Strength: RSS) 정보나 도래시간(Time Of Arrival: TOA) 정보, 가중치를 적용한 크래머-라오 하한값, 노드의 좌표 혹은 추정된 좌표 정보를 포함하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
  16. 제 13항에 있어서, 상기 위치 추정 수행 단계에서
    다음 [수학식 8]과 같은 최대우도(Maximum Likelihood: ML) 함수를 이용하여 블라인드 노드의 위치를 추정하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
    Figure 112007071979194-pat00063
    θ는 블라인드 노드를 나타내며 다음과 같이 정의된다.
    Figure 112007071979194-pat00064
    N(i) 는
    Figure 112007071979194-pat00065
    노드의 이웃 노드 중에서 기준 노드로 이용 가능한 노드들의 인덱스를 나타내며 다음과 같이 정의된다.
    Figure 112007071979194-pat00066
    ρ는 기준(reference) 노드를 나타내며 다음과 같이 정의된다.
    Figure 112007071979194-pat00067
    Figure 112007071979194-pat00068
    는 네트워크에 존재하는 모든 노드들을 나타내며 다음과 같이 정의된다.
    Figure 112007071979194-pat00069
    Figure 112007071979194-pat00070
    는 블라인드 노드들 중에서 위치가 계산된 모든 노드들을 나타내며 다음과 같이 정의 된다.
    Figure 112007071979194-pat00071
    e j 는 MLE 계산 시 각 노드의 정보의 영향도에 대한 가중치를 나타낸다.
  17. 제 16항에 있어서, 상기 가중치는
    기준 노드에 대해서 0인 것을 특징으로 하는 가중치를 포함하는 최대우도추 정을 이용한 협업 위치 인식 방법.
  18. 제 16항에 있어서, 상기 가중치는
    블라인드 노드의 경우 다음 [수학식 9]에서와 같이 크래머-라오 하한값(Cramer Rao Low Bound)에 가중치율(w)을 적용한 값이 되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
    Figure 112007071979194-pat00072
    여기에서
    Figure 112007071979194-pat00073
    ,
    Figure 112007071979194-pat00074
    ,
    Figure 112007071979194-pat00075
  19. 제 16항에 있어서, 상기 위치 추정 수행 단계에서
    상기 최대우도 함수를 최소화하는
    Figure 112007071979194-pat00076
    를 해당 블라인드 노드의 위치 추정값으로 결정하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
  20. 제 19항에 있어서, 상기 위치 추정 수행 단계에서
    NCGM(Nonlinear Conjugate Gradient Method)을 이용한 방법을 이용하여 ML 함수를 최소화하는
    Figure 112007071979194-pat00077
    를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
  21. 제 20항에 있어서, 상기 NCGM을 이용한 방법에서
    계산속도 향상을 위해 상기 최대우도 함수에 적합하도록 변형된 할선법의 라인탐색 알고리즘을 이용하는 폴락-리비레(Polak-Ribiere) 알고리즘을 사용하여 ML 함수를 최소화하는
    Figure 112007071979194-pat00078
    를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
  22. 제 16항에 있어서, 상기 위치 추정 수행 단계에서
    탐색 공간 내에서 반복적 계산을 통해 MLE를 최소화하는 방법을 이용하여 ML 함수를 최소화하는
    Figure 112007071979194-pat00079
    를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
  23. 제 13항에 있어서,
    주기적으로 상기 위치 인식 정보 교환하는 단계, 상기 위치 추정을 수행하는 단계, 상기 위치 계산을 수행하는 단계 및 상기 위치 인식 결과를 제공하는 단계를 반복적으로 수행함으로써 반복적인 노드 간의 협업 위치 인식을 제공하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법.
  24. 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법에 있어서,
    위치 인식이 요청되면 주변 노드들 중 기준 노드 및 위치가 추정된 블라인드 노드와 위치 인식 정보를 교환하는 단계와;
    가중치를 포함하는 최대우도추정을 이용하여 위치 추정을 수행하는 단계와;
    상기 위치 인식 정보 및 위치 추정에 따른 추정값을 이용하여 위치 계산을 수행하는 단계와;
    블라인드 노드들의 위치 인식 결과를 제공하는 단계를 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체.
KR1020070100826A 2007-10-08 2007-10-08 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식장치 및 방법 KR100946988B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020070100826A KR100946988B1 (ko) 2007-10-08 2007-10-08 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식장치 및 방법
US11/965,027 US7852266B2 (en) 2007-10-08 2007-12-27 Apparatus and method for collaborative location awareness based on weighted maximum likelihood estimation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070100826A KR100946988B1 (ko) 2007-10-08 2007-10-08 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식장치 및 방법

Publications (2)

Publication Number Publication Date
KR20090035824A KR20090035824A (ko) 2009-04-13
KR100946988B1 true KR100946988B1 (ko) 2010-03-10

Family

ID=40522827

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070100826A KR100946988B1 (ko) 2007-10-08 2007-10-08 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식장치 및 방법

Country Status (2)

Country Link
US (1) US7852266B2 (ko)
KR (1) KR100946988B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101049512B1 (ko) * 2009-02-04 2011-07-15 연세대학교 산학협력단 기준 디바이스의 위치 오차를 포함하는 무선 환경에서의 최대우도함수 기반 위치 추정 방법 및 장치
EP2952925A1 (en) * 2014-06-06 2015-12-09 Technische Universität Graz Method, device and system for indoor localization and tracking using ultra-wideband radio signals
CN104502889B (zh) * 2014-12-29 2017-03-01 哈尔滨工业大学 指纹定位中基于参考点最大距离的定位可信度计算方法
US11009583B1 (en) 2019-12-23 2021-05-18 At&T Intellectual Property I, L.P. Refining and selecting timing data to increase accuracy of timing-based location for user equipment

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6266014B1 (en) 1998-10-09 2001-07-24 Cell-Loc Inc. Methods and apparatus to position a mobile receiver using downlink signals part IV
US7031725B2 (en) 2002-08-13 2006-04-18 Drs Communications Company, Llc Method and system for determining relative positions of networked mobile communication devices
JP2006275785A (ja) 2005-03-29 2006-10-12 Konami Digital Entertainment:Kk 位置推定装置、位置推定方法、ならびに、プログラム
US20070111735A1 (en) 2005-11-15 2007-05-17 Bhaskar Srinivasan Hybrid localization in wireless networks

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK1654561T3 (da) * 2003-08-14 2012-10-22 Saab Sensis Corp Mållokalisering under anvendelse af en fordelt TDOA-antenne
US7209754B2 (en) * 2005-02-14 2007-04-24 Motorola, Inc. Method and apparatus for determining the location of a node in a wireless title system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6266014B1 (en) 1998-10-09 2001-07-24 Cell-Loc Inc. Methods and apparatus to position a mobile receiver using downlink signals part IV
US7031725B2 (en) 2002-08-13 2006-04-18 Drs Communications Company, Llc Method and system for determining relative positions of networked mobile communication devices
JP2006275785A (ja) 2005-03-29 2006-10-12 Konami Digital Entertainment:Kk 位置推定装置、位置推定方法、ならびに、プログラム
US20070111735A1 (en) 2005-11-15 2007-05-17 Bhaskar Srinivasan Hybrid localization in wireless networks

Also Published As

Publication number Publication date
US7852266B2 (en) 2010-12-14
US20090091497A1 (en) 2009-04-09
KR20090035824A (ko) 2009-04-13

Similar Documents

Publication Publication Date Title
KR101260647B1 (ko) 무선센서네트워크 상에서 효율적인 다변측량을 이용한 무선측위방법과 이를 실시하기 위한 프로그램이 기록된 기록매체
JP6301255B2 (ja) 感度が制限された受信機を用いるｒｓｓ測定に基づく距離推定方法
Miluzzo et al. CaliBree: A self-calibration system for mobile sensor networks
JP2005348418A (ja) 複数のノードから構成された通信システムにおける位置推定方法、位置推定システム、コンピュータが読み取り可能な記録媒体およびセンサネットワーク
KR20140069203A (ko) 도달 시간 기반 포지셔닝 시스템
JP2005510172A5 (ko)
US20160219409A1 (en) Methods, Wireless Device and Network Node for Managing Positioning Method Based on Prediction
KR20100030405A (ko) 모바일 디바이스에 대한 실시간 위치 추적 방법 및 시스템
Zhang et al. Novel positioning service computing method for WSN
KR101163335B1 (ko) 수신신호강도의 거리 추정 방식에 의거한 실내 무선 측위 방법 및 이 방법을 실시하기 위한 프로그램이 기록된 기록매체
KR100946988B1 (ko) 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식장치 및 방법
Mukhopadhyay et al. Performance evaluation of localization techniques in wireless sensor networks using RSSI and LQI
CN108023682B (zh) 一种定位方法及定位装置
CN106851544B (zh) 一种无线自组织网络的位置校验方法
CN112488151B (zh) 一种半监督的基于流形学习的位置指纹库构建方法
KR101756819B1 (ko) Range-Free방식의 노드 측위 방법
KR20210043209A (ko) Rss 신호 보정 방법
JP2009210408A (ja) 無線システム及びその位置特定方法
Zhu et al. An Improved Localization Scheme Based on DV-Hop for Large-Scale Wireless Sensor Networks.
EP2989480B1 (en) Space-based rss localization
Champ et al. Adnl-angle: accurate distributed node localization for wireless sensor networks with angle of arrival information
CN110602635B (zh) 一种室内地图匹配增强定位方法、设备及存储设备
Milocco et al. Improved geographic routing in sensor networks subjected to localization errors
KR20100071450A (ko) 다중 스테이션 정보를 이용한 위치 측정방법 및 시스템
Machaj et al. Wireless positioning as a cloud based service

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130111

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20131231

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150109

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20151224

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20161229

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20171207

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20190304

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20200115

Year of fee payment: 11