KR20110116565A

KR20110116565A - 베이지안 알고리즘을 이용한 실내 측위 방법

Info

Publication number: KR20110116565A
Application number: KR1020100036049A
Authority: KR
Inventors: 이장재; 장영섭; 신도성; 최명수; 이성로
Original assignee: 목포대학교산학협력단
Priority date: 2010-04-19
Filing date: 2010-04-19
Publication date: 2011-10-26

Abstract

본 발명은 베이지안 알고리즘을 이용한 실내 측위 방법에 관한 것으로서, 본 발명에 따른 복수의 엑세스 포인트(AP : Access Point)가 설치된 무선환경에서 베이지안 알고리즘을 이용한 실내 측위 방법은 위치 설정된 레퍼런스 포인트(RP : Reference Point)로부터 수집된 신호 강도(RSS) 데이터를 핑거프린트(FingerPrint) 방식으로 데이터베이스화하는 단계, 그리고 베이지안 학습의 사후 확률 분포를 이용한 NBC(Naive Bayesian Classifier)와 퍼지 군집화의 유사도 행렬을 사용하여 무선랜 실내 위치를 추정하고 결정하는 단계를 포함한다.

Description

베이지안 알고리즘을 이용한 실내 측위 방법{Method Determining Indoor Location Using Bayesian Algorithm}

본 발명은 베이지안 알고리즘을 이용한 실내 측위 방법에 관한 것으로서, 보다 구체적으로는 핑거프린팅 기법으로 수집된 엑섹스 포인트의 신호 강도를 베이지안 학습의 사후 확률 분포를 이용하여 실내 측위를 추정하는 방법에 관한 것이다.

지난 몇 년 동안 사용자의 위치를 추적하는 여러 방법이 제안되어 왔다. 최근 들어 가장 많이 쓰이고 있는 GPS(Global Positioning System)를 비롯하여 지상파, 적외선, RFID(Radio Frequency Identification), 지그비(ZigBee)에 이르기까지 여러 측위 수단과 세부적인 내용들이 활발하게 연구되고 있다.

하지만 이러한 위치 측위 기술들은 대부분 실외에서만 사용할 수 있거나 실내에서 사용할 수 있더라도 추가로 많은 장비를 설치해야 하므로 설치비용이 필요하다. 즉, 종래의 실내 측위 방법들은 측위를 위한 특수 장비와 환경이 갖추어지지 않으면 실내 측위를 할 수 없으므로, 이러한 특수 장비와 환경을 갖추기 위해 이에 상응하는 비용을 투자해야 하는 문제점이 있다.

본 발명은 상기와 같은 문제점을 감안하여 창출한 것으로서, 측위를 위한 특수장비의 설치 없이 무선 랜을 이용하여 실내 측위를 할 수 있는 베이지안 알고리즘을 이용한 실내 측위 방법을 제공하는 데 그 목적이 있다.

전술한 목적을 달성하기 위하여, 본 발명의 일면에 따른복수의 엑세스 포인트(AP : Access Point)가 설치된 무선환경에서 베이지안 알고리즘을 이용한 실내 측위 방법은 위치 설정된 레퍼런스 포인트(RP : Reference Point)로부터 수집된 신호 강도(RSS) 데이터를 핑거프린트(FingerPrint) 방식으로 데이터베이스화하는 단계; 및 베이지안 학습의 사후 확률 분포를 이용한 NBC(Naive Bayesian Classifier)와 퍼지 군집화의 유사도 행렬을 사용하여 무선랜 실내 위치를 추정하고 결정하는 단계를 포함한다.

본 발명에 따르면, 무선 환경 하에서 패턴 매칭 알고리즘을 위한 트레이닝단계에서 여러 개의 엑세스 포인트(AP : Access Point)로부터 수신된 신호 강도(RSS)를 측정하여 핑거 프린트 방식의 데이터베이스를 만들고, 이를 활용해서 수집된 신호 강도에 대한 데이터를 베이지안 학습의 사후 확률 분포를 이용한 NBC(Naive Bayesian Classifier)를 통해 퍼지 군집화의 유사도 행렬을 구하여 실내 측위를 추정함으로써, 정확하고 효율적으로 실내 측위를 할 수 있는 효과가 있다.

도 1은 본 발명의 일실시예에 따른 베이지안 알고리즘을 이용한 실내 측위 방법을 설명한 흐름도.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 용이하게 이해할 수 있도록 제공되는 것이며, 본 발명은 청구항의 기재에 의해 정의된다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자 이외의 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

이하, 도 1을 참조하여 본 발명의 일실시예에 따른 베이지안 알고리즘을 이용한 실내 측위 방법을 설명한다. 도 1은 본 발명의 일실시예에 따른 베이지안 알고리즘을 이용한 실내 측위 방법을 설명하기 위한 흐름도이다.

도 1에 도시된 바와 같이, 본 발명의 실내 측위 방법은 트렝이닝 단계(S100, Training Phase)와 측정 단계(S200, Estimation Phase)로 구분된다. 먼저 트레이닝 단계(S100)에서는 레퍼런스 포인트 위치를 설정하고(S110), 각 레퍼런스 포인트로부터 신호 강도(RSS)를 측정하여(S120), 핑거 프린트 방식으로 데이터베이스를 구성한다(S130).

측정 단계(S200)에서는 단말기(MU : Mobile Unit)로부터 신호 강도(RSS)를 측정하고(S210), NBC(Naive Bayesian Classifier)를 이용한 후보지점에 대한 사후확률을 계산한다(S220).

퍼지 멤버 함수를 이용하여(S230) 퍼지 군집화에 따른 적절한 후보지점을 선택한 후(S240), 단말기 위치를 추정한다(S250).

본 발명은 실내 측위 방법으로 무선랜(WLAN :Wireless Local Area Net-work)을 사용한다. 무선랜은 이미 여러 분야에서 안정성이 검증된 현재 가정 널리 쓰이고 있는 무선 통신 방식 중 하나이다.

본 발명은 곳곳에 설치되어 있는 무선 인터넷 망을 활용하여 실내 위치를 식별하고, 외부 인터넷 연결이 용이한 엑세스 포인트(AP : Access Point)를 활용하여 위치 측정과 동시에 인터넷 통신도 사용할 수 있다.

본 발명은 위치 측정 수단으로 무선랜 신호 전파의 신호 강도(Signal Strength), 도착시간 차 (TDOA : Time Difference of Arrival), AOA(Angle of Arrival) 등을 사용하여 약 5m 정도의 오차 범위로 위치 측정을 할 수 있다.

본 발명의 실내 측위 방법을 보다 구체적으로 3단계로 구분하여 설명하면, 첫 번째 단계에서는 학습 데이터를 수집한다. 예컨대, 실시간 측정 단계에서 실측하여 얻은 k개의 엑세스 포인트(AP : Access Point)들을 m개의 후보지점으로 핑거프린팅 방식으로 데이터를 수집한다.

두 번째 단계에서는 후보지점에 대한 분포를 결정한다.

k개의 후보지점에 대한 입력 속성들의 평균

과 표준편차(s)를 계산하고, 각 후보지점에 대한 가우시안 분포

를 결정한다.

가우시안 분포

는 수학식 1과 같다.

: j번째 후보지점의 평균.

: j번째 후보지점의 분산.

세 번째 단계에서는 NBC(Naive Bayesian Classifier)를 이용한 후보지점에 대한 사후확률을 계산한다.

의 계산은 수학식 2와 같다.

N : 후보지점에 속한 신호 강도 데이터 수들의 총합

: i번째 후보지점의 신호 강도 데이터 수

사후 확률의 계산은 수학식 3과 같다.

신호 강도 데이터에 대한 후보지점을 수학식 4와 같이 결정한다.

전술한 3 단계의 과정을 거쳐서 최종적으로 신호 데이터 x는 후보지점들 중에서 사후확률이 가장 큰 후보 지점을 결정한다.

이렇게 함으로써, 무선 환경 하에서 패턴 매칭 알고리즘을 위한 트레이닝단계에서 여러 개의 엑세스 포인트(AP : Access Point)로부터 수신된 신호 강도(RSS)를 측정하여 핑거 프린트 방식의 데이터베이스를 만들고, 이를 활용해서 수집된 신호 강도에 대한 데이터를 베이지안 학습의 사후 확률 분포를 이용한 NBC(Naive Bayesian Classifier)를 통해 퍼지 군집화의 유사도 행렬을 구하여 실내 측위를 추정함으로써, 정확하고 효율적으로 실내 측위를 할 수 있다.

이상 바람직한 실시예와 첨부도면을 참조하여 본 발명의 구성에 관해 구체적으로 설명하였으나, 이는 예시에 불과한 것으로 본 발명의 기술적 사상을 벗어나지 않는 범주내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

Claims

복수의 엑세스 포인트(AP : Access Point)가 설치된 무선환경에서 베이지안 알고리즘을 이용한 실내 측위 방법에 있어서,
위치 설정된 레퍼런스 포인트(RP : Reference Point)로부터 수집된 신호 강도(RSS) 데이터를 핑거프린트(FingerPrint) 방식으로 데이터베이스화하는 단계; 및
베이지안 학습의 사후 확률 분포를 이용한 NBC(Naive Bayesian Classifier)와 퍼지 군집화의 유사도 행렬을 사용하여 무선랜 실내 위치를 추정하고 결정하는 단계
를 포함하는 베이지안 알고리즘을 이용한 실내 측위 방법.
제1항에 있어서, 상기 무선랜 실내 위치를 추정하고 결정하는 단계는,
실측하여 얻은 k개의 엑세스 포인트들의 신호 강도들을 m개의 후보지점으로 핑거프린팅방식으로 저장된 데이터베이스에 대응하여 후보지점에 대한 사전분포를 정의하는 단계; 및
상기 NBC를 이용하여 상기 후보지점에 대한 사후확률 값을 계산한 후 상기 퍼지 군집화의 유사도 행렬을 구하여 실내 측위를 추정하는 단계
를 포함하는 것
인 베이지안 알고리즘을 이용한 실내 측위 방법.