KR102416604B1 - 무선통신 시스템의 정밀 측위 방법 및 장치 - Google Patents

무선통신 시스템의 정밀 측위 방법 및 장치 Download PDF

Info

Publication number
KR102416604B1
KR102416604B1 KR1020200171685A KR20200171685A KR102416604B1 KR 102416604 B1 KR102416604 B1 KR 102416604B1 KR 1020200171685 A KR1020200171685 A KR 1020200171685A KR 20200171685 A KR20200171685 A KR 20200171685A KR 102416604 B1 KR102416604 B1 KR 102416604B1
Authority
KR
South Korea
Prior art keywords
target node
distance
algorithm
ftm
calculating
Prior art date
Application number
KR1020200171685A
Other languages
English (en)
Other versions
KR20220081797A (ko
Inventor
김기창
김덕중
최윤수
Original Assignee
주식회사유원지리정보시스템
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 주식회사유원지리정보시스템 filed Critical 주식회사유원지리정보시스템
Priority to KR1020200171685A priority Critical patent/KR102416604B1/ko
Publication of KR20220081797A publication Critical patent/KR20220081797A/ko
Application granted granted Critical
Publication of KR102416604B1 publication Critical patent/KR102416604B1/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
    • G01S5/14—Determining absolute distances from a plurality of spaced points of known location
    • 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
    • G01S5/0205—Details
    • G01S5/021—Calibration, monitoring or correction
    • 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
    • G01S5/0246—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 frequency difference of arrival or Doppler measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

본 발명은 측위 방법 및 장치를 개시한다. 보다 상세하게는, 본 발명은 WiFi와 같은 근거리 무선 데이터통신 시스템에서 이동체인 표적노드의 좌표를 산출할 수 있는 무선통신 시스템의 정밀 측위 방법 및 장치에 관한 것이다.
본 발명의 실시예에 따르면, 표적노드와 앵커간 송수신되는 신호로부터 CSI(Channel State Information) 데이터를 추출하고, 복수의 알고리즘을 적용하여 둘 이상의 추정 거리를 도출하며, 딥 러닝을 통해 고도화된 학습모델을 이용하여 추정값을 결정 및 이에 기초하여 표적노드의 좌표를 생성함으로써, 보다 정밀한 이동체의 측위가 가능한 효과가 있다.

Description

무선통신 시스템의 정밀 측위 방법 및 장치{MEHTOD AND DEVICE FOR PRECISE POSITIONING FOR WIRELESS COMMUNICATION SYSTEM}
본 발명은 측위 방법 및 장치에 관한 것으로, WiFi와 같은 근거리 무선 데이터통신 시스템에서 이동체인 표적노드의 좌표를 산출할 수 있는 무선통신 시스템의 정밀 측위 방법 및 장치에 관한 것이다.
전자·통신기술의 비약적으로 발전에 따라 무선 통신망(wireless network)을 이용한 다양한 무선통신 서비스가 제공되고 있다. 이에 따라, 무선통신망을 이용한 무선통신시스템에서 제공하는 서비스는 전화와 같은 제한된 음성 서비스뿐만 아니라 패킷(packet) 데이터 등과 같이 멀티미디어 콘텐츠를 송신하는 멀티미디어 통신서비스로 발전해 가고 있다.
최근에는 건물 내에 위치하는 AP(Access Point)들을 활용하여 실내에서 이동 단말의 위치를 측정하려는 방법 들이 연구되고 있다. 이는 AP 위치정보를 이용하여 AP와 통신가능 하도록 연결된 이동 단말을 휴대한 사용자의 위치정보에 따른 관련 서비스가 가능하게 되는데, 일반적으로는 사전에 AP 위치정보들을 계산하여 두고, 신호 세기 등을 이용하여 측위를 수행하게 된다.
이와 관련된 종래기술로서, 한국 등록특허공보 제10-1174542호는 이동 단말의 위치 측정 시스템 및 그 방법으로서, 복수의 AP로부터 이동 단말에 전송된 복수의 무선신호의 수신 세기 값을 측정하고, 복수의 AP 각각과 이동단말 간의 무선신호 전송 환경에 기초하여 복수의 AP별 경로 손실 모델을 설정한 후, 설정된 경로 손실을 이용하여 복수의 무선신호의 수신 세기 값으로부터 복수의 AP 각각과 이동 단말 간의 거리를 산출하여 이동 단말의 위치를 측정하는 기술을 개시하고 있다.
또한, 정보통신설비 학술대회 논문집 "무선 센서 네트워크와 실내 측위 알고리즘을 사용하여 스마트폰 사용자에게 실내 위치정보 서비스를 제공하는 시스템의 구현(2011.08.25. ~ 27.)"은 무선 센서 네트워크를 활용하여 실내 환경에서 스마트폰 사용자에게 위치정보 서비스를 제공하는 시스템에 관한 것으로, 실내에 구축된 센서들은 사용자의 스마트폰과 통신하여 해당 사용자의 신호 세기를 수신 받고, 각 센서노드는 사용자의 신호 세기를 게이트웨이를 통해 서버에 전송한 후, 서버에서 전송받은 신호 세기를 기반으로 사용자의 위치를 계산하는 것에 관한 기술이 기재되어 있다.
이러한 AP에 기반한 위치 정보 계산은 측정장비를 이용하는 경우도 있고 이동 단말을 이용하는 경우도 있지만, 어느 경우라도 하나의 장비를 이용한 1회의 측정결과에 따른 단순 계산에 의존하고 있는 실정임에 따라 AP 위치 정보에 대한 정확한 계산이 이루어지지 않고 있다는 한계가 있다.
부정확한 AP 위치 계산은 사용자 위치를 부정확하게 제공하게 되는 결과로 이어지는 바, 관련 서비스에 대한 사용자의 불만이 원인이 된다.
한국등록특허공보 제10-1174542호(2012.08.09.)
본 발명은 상용화된 무선통신 시스템 중 하나인 WiFi 환경에서 스마트 단말과 같은 이동체를 표적노드로 하고, 고정 좌표의 AP(Access Point)를 앵커로 하여, 표적노드와 앵커간의 추정거리, 수신각도 등의 정보를 이용하여 표적노드의 좌표를 추정하는 무선통신 시스템의 정밀 측위 방법 및 장치를 제공하는 데 과제가 있다.
전술한 과제를 해결하기 위해, 본 발명의 실시예에 따른 무선통신 시스템의 정밀 측위 방법은, 이동체인 표적노드와 하나 이상의 AP(Access Point)인 앵커간의 무선통신에 따른 수신신호를 이용한 표적노드의 측위 방법으로서, 상기 표적노드의 수신신호로부터 추출되는 CSI(Channel State Information)를 수집하고, 상기 CSI에 제1 알고리즘을 적용하여 전파경로를 식별하며 FTM(Fine Time Measurement)를 산출하고, 상기 전파경로와 FTM 추정치에 제2 알고리즘을 적용하여 상기 표적노드와 앵커간 제1 추정 거리값을 산출하는 단계, 상기 CSI를 이용하여 추정한 AoA(Angle of Arrival) 및 복수의 FTM 샘플에 제3 알고리즘을 적용하여 다중경로 오류를 보정하고 상기 AP와 표적노드간 제2 추정 거리값을 산출하는 단계, 다수의 학습데이터 및 환경 파라미터를 이용한 딥 러닝 절차를 통해 학습된 학습모델에 상기 제1 및 제2 추정 거리값을 입력하여 정확도가 높은 하나를 선택적으로 추출하여 거리 추정값을 결정하는 단계 및, 상기 거리 추정값과, 상기 AoA에 대한 위상 완화한 AoA 추정값에 제4 알고리즘을 적용하여 상기 표적노드의 좌표를 생성하는 단계를 포함할 수 있다.
또한, 전술한 과제를 해결하기 위해, 본 발명의 실시예에 따른 무선통신 시스템의 정밀 측위 장치는, 이동체인 표적노드와 하나 이상의 AP(Access Point)인 앵커간의 무선통신에 따른 수신신호를 이용한 표적노드의 측위 장치로서, 상기 표적노드의 수신신호로부터 추출되는 CSI(Channel State Information)를 수집하고, 상기 CSI에 제1 알고리즘을 적용하여 전파경로를 식별하며 FTM(Fine Time Measurement)를 산출하고, 상기 전파경로와 FTM 추정치에 제2 알고리즘을 적용하여 상기 표적노드와 앵커간 제1 추정 거리값을 산출하는 제1 거리 추정수단, 상기 CSI를 이용하여 추정한 AoA(Angle of Arrival) 및 복수의 FTM 샘플에 제3 알고리즘을 적용하여 다중경로 오류를 보정하고 상기 AP와 표적노드간 제2 추정 거리값을 산출하는 제2 거리 추정수단, 다수의 학습데이터 및 환경 파라미터를 이용한 딥 러닝 절차를 통해 학습된 학습모델에 상기 제1 및 제2 추정 거리값을 입력하여 정확도가 높은 하나를 선택적으로 추출하여 거리 추정값을 결정하는 딥러닝 예측부 및, 상기 거리 추정값과, 상기 AoA에 대한 위상 완화한 AoA 추정값에 제4 알고리즘을 적용하여 상기 표적노드의 좌표를 생성하는 표적노드 출력부를 포함할 수 있다.
본 발명의 실시예에 따르면, 표적노드와 앵커간 송수신되는 신호로부터 CSI(Channel State Information) 데이터를 추출하고, 복수의 알고리즘을 적용하여 둘 이상의 추정 거리를 도출하며, 딥 러닝을 통해 고도화된 학습모델을 이용하여 추정값을 결정 및 이에 기초하여 표적노드의 좌표를 생성함으로써, 보다 정밀한 이동체의 측위가 가능한 효과가 있다.
도 1은 본 발명의 실시예에 따른 무선통신 시스템의 정밀 측위 장치의 전체 구조를 개략적으로 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 무선통신 시스템의 정밀 측위 방법을 파이프라인으로 나타낸 도면이다.
도 3 내지 도 5는 도 2의 정밀 측위 장치에 의한 무선통신 시스템의 정밀 측위 방법을 순서도로 나타낸 도면이다.
도 6은 안테나가 2개인 AP에 대하여 도달하는 신호(incoming signal)의 각도(
Figure 112020133741555-pat00001
) 성분에 대한 모식도(a) 및, 그 신호 파형에 대한 그래프(b)를 나타낸 도면이다.
도 7은 MUSIC 알고리즘을 이용한 CSI 분석에 따라 추출된 스펙트럼 데이터를 나타내는 그래프(a) 및, 그 스펙트럼 데이터에 따른 거리값에 대한 다이어그램(b)을 나타낸 도면이다.
도 8은 FTM 프로토콜의 데이터 플로우를 예시한 도면이다.
도 9는 4개의 앵커로부터 표적노드의 좌표를 산출하기 위한 좌표 그래프를 예시한 도면이다.
도 10은 두 개의 직선이동을 기반으로 하는 단일 앵커 환경에서 측위를 위한 좌표 그래프를 나타낸 도면이다.
도 11은 표적노드가 임의의 삼각형을 따라 이동하는 단일 앵커 환경에서 측위를 위한 좌표 그래프를 나타낸 도면이다.
설명에 앞서, 명세서 전체에서 어떤 부분이 어떤 구성요소를 "구비" 또는 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부(Unit)", "...서버(Server)", "...시스템(System)" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어, 소프트웨어 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
또한, 본 명세서에서 "실시예"라는 용어는 예시, 사례 또는 도해의 역할을 하는 것을 의미하나, 발명의 대상은 그러한 예에 의해 제한되지 않는다. 또한, "포함하는", "구비하는", "갖는" 및 다른 유사한 용어가 사용되고 있으나, 청구범위에서 사용되는 경우 임의의 추가적인 또는 다른 구성요소를 배제하지 않는 개방적인 전환어(Transition word)로서 "포함하는(Comprising)"이라는 용어와 유사한 방식으로 포괄적으로 사용된다.
본 명세서에 설명된 다양한 기법은 하드웨어 또는 소프트웨어와 함께 구현될 수 있거나, 적합한 경우에 이들 모두의 조합과 함께 구현될 수 있다. 본 명세서에 사용된 바와 같은 "...부(Unit)", "...서버(Server)", "...시스템(System)" 등의 용어는 마찬가지로 컴퓨터 관련 엔티티(Entity), 즉 하드웨어, 하드웨어 및 소프트웨어의 조합, 소프트웨어 또는 실행 시의 소프트웨어와 등가로 취급할 수 있다. 또한, 본 발명의 시스템에서 구현하는 각 기능은 모듈단위의 프로그램으로 구성될 수 있고, 하나의 물리적 메모리에 기록되거나, 둘 이상의 메모리 및 기록매체 사이에 분산되어 기록될 수 있다.
또한, 이하의 설명에서 본 발명의 "무선통신 시스템의 정밀 측위 장치"의 용어는 설명의 편의상, "정밀 측위 장치"로 약식 표기 될 수 있다.
이하, 도면을 참조하여, 본 발명의 실시예에 따른 무선통신 시스템의 정밀 측위 방법 및 장치를 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 무선통신 시스템의 정밀 측위 장치의 전체 구조를 개략적으로 나타낸 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 무선통신 시스템의 정밀 측위 장치(100)는, WiFi 환경에서 스마트폰, 태블릿 PC 등의 이동 단말을 표적노드로 하고, WiFi 접속을 지원하는 위치가 고정 설치된 AP(Access Point)를 앵커(anchor)로 하는 무선통신 시스템에서 표적노드를 정밀 측위하는 것을 특징으로 한다.
이를 위해, 본워발명의 실시예에 따른 정밀 측위 장치(100)는 표적노드에서 앵커까지 추정거리, 수신각도 및 앵커의 절대좌표로부터 복수의 알고리즘을 이용하여 표적노드의 좌표를 추정하게 되며, 여기서 앵커의 절대좌표는 고정노드로서 미리 알려진 값임을 전제로 한다.
상세하게는, 본 발명의 정밀 측위 장치(100)는 이동체인 표적노드(10)와 하나 이상의 AP(50)인 앵커간의 무선통신에 따른 수신신호를 이용한 표적노드(10)의 측위 장치로서, 표적노드(10)의 수신신호로부터 추출되는 CSI(Channel State Information)를 수집하고, CSI에 제1 알고리즘을 적용하여 전파경로를 식별하며 FTM(Fine Time Measurement)를 산출하고, 전파경로와 FTM 추정치에 제2 알고리즘을 적용하여 표적노드(10)와 AP(50)간 제1 추정 거리값을 산출하는 제1 거리추정 수단(110), CSI를 이용하여 FTM(Fine Time Measurement) 및 AoA(Angle of Arrival)에 대한 다중경로 오류를 보정하는 제3 알고리즘을 적용하여 AP(50)와 표적노드(10)간 제2 추정 거리값을 산출하는 제2 거리 추정수단(120), 다수의 학습데이터 및 환경 파라미터를 이용한 딥 러닝 절차를 통해 학습된 학습모델에 제1 및 제2 추정 거리값을 입력하여 정확도가 높은 하나를 선택적으로 추출하여 거리 추정값을 결정하는 딥러닝 예측부(130) 및, 거리 추정값과, AoA에 대한 위상 완화한 AoA 추정값에 제4 알고리즘을 적용하여 표적노드의 좌표를 생성하는 표적노드 출력부(140)를 포함할 수 있다.
제1 거리추정 수단(110)은 본 발명의 WiFi 환경에서 CSI를 수집하고, 이에 기반한 제1 알고리즘인 MUSIC(Multiple Emitter Location and Signal Parameter Estimation) 알고리즘으로부터 1차적으로 결과값을 도출하고, 이에 대한 오류값을 제2 알고리즘인 FUSIC(When FTM Discovered MUSIC)을 통해 수정함으로써 제1 추정 거리값을 산출할 수 있다.
상세하게는, 제1 거리추정 수단(110)은 그 역할에 따라, 표적노드(10)의 송신기 안테나수, 수신기 안테나수 및 부반송파 수의 곱을 통해 수신신호의 PHY로부터 CSI를 추출하는 CSI 데이터 추출부(111), 제1 알고리즘을 적용하여 CSI의 다중신호를 분류하여 의사 스펙트럼을 추출하는 스펙트럼 추출부(112), 의사 스펙트럼의 피크에 기초하여 전파경로를 식별하고, 전파경로에 기초하여 ToF(Time of Flight) 및 전파강도의 추정치를 추출하는 우세경로 계산부(113) 및 제2 알고리즘을 통해 NLOS(Non Line of Sight) 환경을 포함하여 FTM의 부정확한 반환값을 감지하고, 오류를 수정하여 제1 추정 거리값을 산출하는 제1 거리 계산부(114)로 구분될 수 있다.
CSI 데이터 추출부(111)는, 표적노드(10)의 수신신호를 통해 CSI(Channel State Information)를 추출할 수 있다. 본 발명의 실시예에 따른 정밀 측위 장치(100)는 CSI에 포함되는 다양한 정보, 일례로서 반송파(Carrier) n에 대한 감쇠 및 위상편의 θn 값 등을 이용하여 표적노드(10)의 좌표 산출을 위한 FTM 및 AoA 추정치를 획득할 수 있으며, CSI 데이터 추출부(111)는 표적노드(10)의 수신신호로부터 CSI를 추출하게 된다.
스펙트럼 추출부(112)는 MUSIC 알고리즘을 이용하여 추출된 CSI으로부터 의사 스펙트럼을 추출할 수 있다. 의사 스펙트럼(pseudo spectrum)은 데이터에 대한 다중신호 분류가 가능한 것으로, 스펙트럼 추출부(112)는 CSI의 스펙트럼을 추출하고, 피크값을 통해 전파 경로를 식별하게 된다. 또한, 스펙트럼 추출부(112)는 식별된 전파경로로부터 ToF 및 전파강도 추정치를 추출할 수 있다.
우세경로 계산부(113)는 스펙트럼 추출부(112)에 의해 추출된 전파경로를 이용하여 우세 경로를 식별할 수 있다. 의사 스펙트럼의 피크에 기초하여 전파경로를 식별하고, 전파경로에 기초하여 ToF(Time of Flight) 및 전파강도의 추정치가 추출되면, 제1 알고리즘인 MUSIC 알고리즘에 의해 식별된 경로별 신호강도 및 ToF를 이용하여 각 경로에 대한 상대적 강도를 계산할 수 있다.
제1 거리 계산부(114)는 제2 알고리즘을 통해 NLOS(Non Line of Sight) 환경을 포함하여 FTM의 부정확한 반환값을 감지하고, 오류를 수정하여 제1 거리 추정값을 산출할 수 있다. 이를 위해, 제1 거리 계산부(114)는 새로운 매개변수인 'R'를 통해 MUSIC 알고리즘에 따른 스펙트럼에 대한 직접 경로의 기여도를 정량화할 수 있고, 제2 알고리즘인 FUSIC 알고리즘을 통해 전술한 전파경로의 추정 ToF 값으로 FTM의 측정 오차를 계산 및, FTM 측정오차를 계산할 수 있다.
특히, 상기의 FUSIC 알고리즘은 최종적으로 오류의 영향을 제거하여 거리 추정치를 제공할 수 있으며, 이러한 FUSIC 알고리즘을 비롯하여 MUSIC 알고리즘에 대한 상세한 설명 및 각 알고리즘의 계산 방법에 대한 상세한 설명은 후술한다.
또한, 본 발명의 실시예에 따른 무선통신 시스템의 정밀 측위 장치(100)는 두 개의 거리추정 결과에서 상황인지 기반으로 학습된 딥 러닝 예측을 통해 보다 정확한 거리추정 값을 결정하는 것을 특징으로 하며, 이에 제2 거리 추정수단(120)을 더 포함할 수 있다.
구체적으로, 제2 거리 추정수단(120)은, 복수의 링크로부터 M(M은 20이상의 자연수)개의 FTM 샘플 데이터를 수집하는 FTM 수집부(121), 우세경로 계산부로부터, 제1 알고리즘에 의해 추출된 의사 스펙트럼의 피크에 기초하여 추정된 AoA(Angle of Arrival)를 수신하고, 제3 알고리즘을 이용하여 추정된 AoA의 위상완화 및 FTM의 오류를 계산하고, 계산 결과를 평균 및 AIC(Akaike Information Criterion)와 비교하여 최소 양의 평균을 갖는 경로를 범위 추정치로 결정하는 제2 거리 계산부(123) 및, 두 개의 추가 AP로부터 FTM을 더 수집하고, 기존 앵커를 포함하여 3개 이상의 AP로부터 수집된 FTM 추정치에 최소 제곱법에 기반한 다중 위치 계산 알고리즘을 적용하여 제2 거리 계산부(123)에 의해 계산된 측위를 보정하여 제2 거리 추정값을 생성하는 측위 보정부(125)를 포함할 수 있다.
FTM 수집부(121)는 별도의 샘플 데이터로서, 수신기(FTM-R)를 통해 FTM 메시지를 송신기(FTM-I)에 전송하고 ACK를 대기하며, 각 링크에 대하여 M(M은 20 이상의 자연수) 개의 샘플 데이터를 수집하여 거리 오류를 계산할 수 있다.
제2 거리 계산부(123)는, 전술한 CSI에 제1 알고리즘을 적용하여 추정한 AoA을 참조하고, 제3 알고리즘을 적용하여 상기의 거리 오류 계산 결과를 각각 평균 및 AIC와 비교하여 최소 양의 평균을 갖는 경로를 범위 추정치로 결정할 수 있다.
여기서, AIC는 여러 통계 모델들의 성능을 서로 비교할 수 있게 해주는 것으로, 낮을수록 오류가 적으며, 오버핏 또는 언더핏이 아닌 모델이 선택될 수 있다. 특히, 전술한 AIC는 GMM(Gaussian Mixture Model)에서 최적의 클러스터 수를 식별하는 데 사용되는 것으로, 제2 거리 계산부(123)는 가장 낮은 AIC를 통해 최적의 경로 수를 추론한 후 최소 양의 평균을 가진 경로를 범위 추정치로 사용하게 된다.
전술한 제3 알고리즘은, IEEE 802.11-2016 및 802.11ac 수정안을 적용한 상용칩셋에서 FTM 및 AoA을 대상으로 하여 거리와 방향을 CSI 통해 다중경로 오류를 보정하는 SPRING(Smartphone Positioning with Radio Measurements from a Single WiFi Access Point) 알고리즘 일 수 있다.
측위 보정부(125)는 두 개의 추가 AP로부터 FTM을 더 수집할 수 있고, 상기의 AP(50)를 포함하여 3개 이상의 AP의 수신기(FTM-R)로부터 추정 거리를 사용하여 최소 제곱법(Liner Least Squares; LLS)에 기반한 다중 위치 계산 알고리즘(Multilateration algorithm)을 적용하여 제2 거리 계산부(123)에 의해 계산된 측위를 보정하여 제2 거리 추정값을 산출할 수 있다.
이에 따라, 본 발명의 실시예에 따른 정밀 측위 장치(100)는 제1 및 제2 거리 추정값을 획득하게 되며, 후술하는 상황인지 딥 러닝 기술을 통해 보다 정확한 어느 하나의 값을 선택하게 된다.
이를 위한 구성으로서, 딥러닝 예측부(130)는 통신 측위시점의 여러 가지 상황을 학습데이터로서 수집하고, 공지의 딥 러닝 기법 중, 강화학습(Reinforcement Learning)을 통해 보다 정확한 거리추정 값을 선택하는 것을 특징으로 한다.
즉, 딥러닝 예측부(130)는 전술한 제1 및 제2 거리추정 수단(110, 120)에 의해 산출된 제1 및 제2 거리 추정값 중에서 강화학습에 따른 학습모델을 통해 어느 하나를 선택할 수 있다.
이러한 딥러닝 예측부(130)는 학습절차를 통해 학습용 제1 및 제2 거리 추정값과 환경 파라미터를 포함하는 다수의 학습데이터에 대해 학습모델에 입력하여 강화 학습을 진행함으로써 추후 실제 환경에서 입력되는 제1 및 제2 거리 추정값 중에서 실제 환경 파라미터 값 하에서 더 정확한 거리 추정값을 선택적으로 추출하게 된다.
표적노드 출력부(140)는 딥러닝 예측부(130)에 의해 추출된 거리 추정값에 의한 측위를 보완할 수 있다. 구체적으로, 표적노드 출력부(140)는 상기의 거리 추정값과, AoA에 대한 위상 완화한 AoA 추정값에 제4 알고리즘을 적용하여 표적노드의 좌표를 생성할 수 있다.
여기서, 제4 알고리즘은, 전술한 거리 추정값과, 위상 캘리브레이션(Calibration)에 의한 위상오류를 완화한 AoA 추정값에 기초하여 소정개의 AP(50)를 이용하여 정확한 측위를 얻는 ADL(Accurate and Distributed Localization) 알고리즘 또는 표적의 이동을 고려한 확장된 ADL 알고리즘이 적용될 수 있다. 이때, 확장된 ADL 알고리즘은 하나의 AP(50)만 사용할 수 있는 열악한 환경에서의 측위가 가능한 특징이 있다.
이러한 표적노드 출력부(140)는 일반 ADL 알고리즘에 따라, 복수개의 AP(50)가 존재하는 경우, 각 AP(50)에 대하여, 표적노드(10)와 AP(50)간의 각도 및 거리정보를 이용하여 표적노드(10)의 위치 추정치를 계산하고, 모든 AP(50)에서 위치 추정값의 평균을 계산하여 표적노드(10)의 좌표를 계산할 수 있다.
또한, 표적노드 출력부(140)는, 확장된 ADL 알고리즘에 따라 하나의 AP(50)가 존재하는 경우, 표적노드(10)는 시작 좌표를 원점으로 하는 가상 좌표계에서 임의의 삼각형을 따라 이동한다고 할 때, 표적노드(10)의 이동하는 방향을 측정하고, 표적노드(10)의 회전점 및 시작지점간 거리를 계산하고, 회전각 또는 이동거리를 측정하여 표적노드(10)의 좌표를 계산할 수 있다.
전술한 ADL 알고리즘 및 확장된 ADL 알고리즘을 이용한 표적노드(10)의 구체적 좌표 계산 방법에 대한 설명은 후술한다.
이하, 도면을 참조하여, 전술한 정밀 측위 장치에 의한 무선통신 시스템의 정밀 측위 방법을 설명한다.
도 2는 본 발명의 실시예에 따른 무선통신 시스템의 정밀 측위 방법을 파이프라인으로 나타낸 도면이고, 도 3 내지 도 5는 도 2의 정밀 측위 장치에 의한 무선통신 시스템의 정밀 측위 방법을 순서도로 나타낸 도면이다.
이하의 설명에서, 각 단계별 실행주체는 별도의 기재가 없더라도 본 발명의 무선통신 시스템의 정밀 측위 방법이 된다.
도 3 내지 도 5를 참조하면, 본 발명의 실시예에 따른 정밀 측위 방법은, 이동체인 표적노드와 하나 이상의 AP(Access Point)인 앵커간의 무선통신에 따른 수신신호를 이용한 표적노드의 측위 방법으로서, 표적노드의 수신신호로부터 추출되는 CSI(Channel State Information)를 수집하고, CSI에 제1 알고리즘을 적용하여 전파경로를 식별하며 FTM(Fine Time Measurement)를 산출하고, 전파경로와 FTM 추정치에 제2 알고리즘을 적용하여 표적노드와 앵커간 제1 추정 거리값을 산출하는 단계(S100), CSI를 이용하여 추정한 AoA(Angle of Arrival) 및 복수의 FTM 샘플에 제3 알고리즘을 적용하여 다중경로 오류를 보정하고 AP와 표적노드간 제2 추정 거리값을 산출하는 단계(S200), 다수의 학습데이터 및 환경 파라미터를 이용한 딥 러닝 절차를 통해 학습된 학습모델에 제1 및 제2 추정 거리값을 입력하여 정확도가 높은 하나를 선택적으로 추출하여 거리 추정값을 결정하는 단계(S300) 및 거리 추정값과, AoA에 대한 위상 완화한 AoA 추정값에 제4 알고리즘을 적용하여 표적노드의 좌표를 생성하는 단계(S400)를 포함할 수 있다.
먼저, 표적노드의 수신신호로부터 추출되는 CSI를 수집하고, CSI에 제1 알고리즘을 적용하여 전파경로를 식별하며 FTM를 산출하고, 전파경로와 FTM 추정치에 제2 알고리즘을 적용하여 표적노드와 앵커간 제1 추정 거리값을 산출하는 단계(S100)에서는, 표적노드와 앵커간의 무선 수신신호로부터 PHY의 CSI를 추출하게 된다. 이러한 S100 단계는, 도 4의 S110 단계 내지 S140 단계로 세분화될 수 있다.
구체적으로, S110 단계는 표적노드의 송신기 안테나수, 수신기 안테나수 및 부반송파 수의 곱을 통해 상기 수신신호의 PHY로부터 CSI를 추출하게 된다. 본 발명의 실시예에서는 CSI를 기반으로 하여 분석을 실시하게 된다. 송수신기 모두 다중 어레이 안테나(Multiple Array Antenna)를 가진 WiFi 단말기의 무선통신의 경우, 모든 다중경로의 수신신호의 PHY에서 CSI를 추출할 수 있다. 여기서, 모든 다중 경로 수는, '송신기 안테나수 × 수신기 안테나수 × 부반송파 수'로 계산될 수 있다.
다음으로, S120 단계에서는 제1 알고리즘을 적용하여 CSI의 다중신호를 분류하여 의사 스펙트럼을 추출하게 된다.
다음으로, S130 단계에서는 의사 스펙트럼의 피크에 기초하여 상기 전파경로를 식별하고, 상기 전파경로에 기초하여 ToF(Time of Flight) 및 전파강도의 추정치를 추출한다.
도 6은 안테나가 2개인 AP에 대하여 도달하는 신호(incoming signal)의 각도(θ) 성분에 대한 모식도(a) 및, 그 신호 파형에 대한 그래프(b)를 예시하고 있다.
전술한 CSI의 데이터 분석은 RSSI(Receiver Signal Strength Indicator)를 고려하는 것 보다 더 높은 확률로 주변 환경의 사소한 변화를 포착하는 것이 가능하다고 알려져 있다. 따라서, 수신된 신호의 직접경로(EDP)를 추정하는데 용이하며, 이에 EDP 기반 거리 추정은 다중 경로 반사에 훨씬 덜 민감하기 때문에 RSSI보다 견고하다는 장점이 있다.
상기 제1 알고리즘은, 다중 신호원(Emitter)의 위치를 알기 위해 센서 어레이에서 수신된 신호를 처리하는 방법으로 불편 추정량(unbiased estimator)의 점근적인 해석에 기반한 것으로, MUSIC(Multiple Emitter Location and Signal Parameter Estimation) 알고리즘이 이용될 수 있으며, 이에 제공되는 데이터 요소로는, 존재하는 투사파면(혹은 입사파면) 신호 수, 신호의 도착 방향(DOA) 또는 이미터 위치, 입사 파형 사이의 강도 및 교차 상관, 노이즈 및 노이즈 차단의 강도, 편광(Polarization) 등이 있다.
전술한 요소는, 특정 위치에서 전파가 수신될 때 예측 가능한 위상 변화를 기반으로 신호를 구별함으로써 도출될 수 있다. 예를 들어, WiFi의 경우, OFDM(Orthogonal Frequency Division Multiplexing)시스템의 각 부반송파에서 얻은 측정에 의존하며, 주어진 ToF에 대해 신호 주파수의 차이가 수신측에서의 위상의 차이를 생성함에 따라 추출이 가능하게 된다.
그리고, MUSIC 알고리즘을 통해 CSI를 분석함으로써 의사 스펙트럼 형태의 결과를 획득할 수 있으며, 이러한 스펙트럼으로부터 그 피크를 취함으로써 전파 경로를 식별할 수 있다. 상기의 전파 경로는 ToF와 전파 강도의 추정치를 제공할 수 있다.
도 7은 MUSIC 알고리즘을 이용한 CSI 분석에 따라 추출된 스펙트럼 데이터를 나타내는 그래프(a) 및, 그 스펙트럼 데이터에 따른 거리값에 대한 다이어그램(b)을 예시한 것으로, 그래프(a)에서 각 채널들은 경계에서 겹치며, 채널 1은 굵은선으로 표시되어 있다.
또한, 스펙트럼 추출 이후, 이를 이용하여 우세 경로를 식별할 수 있다. 우세 경로는 CSI 행렬을 이용하여 식별 가능하며, CSI 행렬은 반송파(Carrier) n에 대한 감쇠, 위상편의 θn 값을 가짐에 따라 제1 알고리즘을 이용하여 FTM 및 도착각(AoA) 추정치를 획득하는 데 이용되게 된다.
다음으로, S140 단계에서는 제2 알고리즘을 통해 NLOS(Non Line of Sight) 환경을 포함하여 상기 FTM의 부정확한 반환값을 감지하고, 오류를 수정하여 상기 제1 추정 거리값을 산출하게 된다.
한편, Wi-Fi Alliance®의 Wi-Fi Location™은 IEEE 802.11-2016에 따른 FTM (Fine Timing Measurement) 프로토콜을 정의하고 있고, 미터 단위 정확도로 거리정보를 제공하는 표준화를 진행하여 위치확인을 위한 최신기능이 추가되었다. 이에 따라, 최근 상용화된 AP 장치 및 이동통신 단말 등에서는 해당 기능을 지원하고 있으며, 상호 운용성 인증을 위한 테스트가 지속적으로 이루어지고 있다. 도 8은 FTM 프로토콜의 데이터 플로우를 예시하고 있으며, 본 발명의 실시예에서는 이러한 FTM의 특성을 표적노도 위치추정에 활용하게 된다.
특히, 본 발명의 실시예에 따르면, 제2 알고리즘으로서 FUSIC 알고리즘을 이용하게 되며, 이의 거리 추정치를 활용하게 된다.
구체적으로, 제2 알고리즘인 FUSIC 알고리즘은 NLOS 환경에서 잘못된 FTM 및 MUSIC의 결과를 활용하여 FTM이 부정확한 값을 반환하는 시기를 감지하고, 필요에 따라 오류를 수정하는 로직으로 이루어질 수 있다.
즉, FTM의 LOS(Line of Sight) 정확도를 NLOS 환경으로 확장하려는 목적으로 FTM과 MUSIC을 융합한 접근법을 사용하게 되며, 이의 두 핵심 부분으로서, FTM이 잘못된 결과를 반환하는 시기를 식별하는 메커니즘과, FTM 및 MUSIC의 데이터를 융합하는 오류 수정 메커니즘으로 구분될 수 있다.
여기서, FTM에 대한 수정이 필요한 시기의 감지가 요구되며, 이를 위한 새로운 매개 변수인 'R'을 도입하여 전체 MUSIC 스펙트럼에 대한 직접 경로의 기여도를 정량화하게 된다.
이때, 매개 변수 'R'의 임계값(R_threshold)의 설정이 필요하며, R 임계값에 대한 올바른 값을 선택하기 요구된다. 이는, 임계값이 너무 낮으면 FUSIC 알고리즘이 정확한 FTM 측정을 변경함에 따라 불필요한 오류를 발생시킬 수 있다. 또한, 그 반대의 경우에는 잘못된 FTM 측정을 수정하지 못하게 될 수도 있다.
이러한 FUSIC 알고리즘에 의한 분석 절차를 구체적으로 설명하면, 우선 MUSIC 알고리즘을 사용하여 우세 경로를 식별한다. 이를 수학식으로 표현하면, 이하의 수학식 1과 같다.
Figure 112020133741555-pat00002
여기서, Pk와 tk는 각각 경로 'k'의 신호강도 및 ToF 이다.
이후, 다른 경로에 대한 상대적 강도는 이하의 수학식 2에 의해 계산할 수 있다.
Figure 112020133741555-pat00003
상기의 수학식 2에 따라 계산된 'R'이 'R 임계값(R_threshold)'과 같거나 클 경우(
Figure 112020133741555-pat00004
), 현재 FTM 거리 추정치를 유지하고, 'R'이 'R 임계값'보다 작을 경우, 평균초과지연을 이하의 수학식 3에 의해 계산한다.
Figure 112020133741555-pat00005
다음으로, 보정된 거리 추정치를 이하의 수학식 4에 의해 계산한다.
Figure 112020133741555-pat00006
여기서, dfusic은 제2 알고리즘에 의한 거리 추정치이고, dftm은 FTM 거리 추정치를 가리킨다.
상기의 수학식 1 내지 4 에 위한 절차를 정리하면, FTM 출력 수정을 위한 절차로서, 송수신간 전파 경로가 두 개만 있다고 가정, 즉 LOS 경로는 장애물에 차단되어있고 반사된 경로이라고 하면, FTM은 반사경로의 길이를 출력하게 된다. 이에 따라, FTM 오류는 출력과 LOS 경로의 길이의 차이로 표현된다.
그리고, MUSIC 알고리즘에 의해 생성된 두 경로에 대한 추정 ToF의 차이는 정확함에 따라, FUSIC 알고리즘은 MUSIC 알고리즘에 의해 분석된 전파경로의 추정 ToF값으로 FTM 측정 오차를 계산할 수 있다.
또한, 전술한 평균초과지연은 ToF와 관련하여 추정된 FTM 측정오차이며, 직접 경로의 ToF에 대한 ToF 차이의 계량 평균으로 계산될 수 있다.
이에 따라, 상기의 FUSIC 알고리즘은 최종적으로 오류의 영향을 제거하고 보정된 거리 추정치를 출력하게 된다.
전술한 절차에 따라, 본 발명의 무선통신 시스템의 정밀 측위 방법에서는 CSI에 기반하여 제1 및 제2 알고리즘에 의한 제1 거리추정 값을 산출할 수 있으며, 이하, 제3 알고리즘에 의한 제2 거리추정 값을 산출하는 방법을 설명한다.
상세하게는, CSI를 이용하여 추정한 AoA 및 복수의 FTM 샘플에 제3 알고리즘을 적용하여 다중경로 오류를 보정하고 AP와 표적노드간 제2 추정 거리값을 산출하는 단계(S200)로서, 802.11-2016 및 802.11ac 수정안을 적용한 상용칩셋에서 FTM 및 도착각(AoA)을 대상으로 하여 거리와 방향에 대하여 CSI를 통해 다중경로 오류를 보정하는 제3 알고리즘을 통해 제2 추정 거리값을 산출하게 되며, 이러한 S200 단계는 도 5의 S210 단계 내지 S240 단계로 세분화될 수 있다.
먼저, S2100 단계에서는 제1 알고리즘을 적용하여 CSI의 다중신호를 분류하여 의사 스펙트럼을 추출하며, 이는 전술한 S100 단계에서 이용한 제1 알고리즘을 통해 CSI 스펙트럼을 추출하는 단계에 대응한다.
또한, S220 단계는, 의사 스펙트럼의 피크에 기초하여 AoA(Angle of Arrival)를 추정하는 단계로서, 전술한 S100 단계에서 CSI에 기초한 FTM 및, AoA를 추정하는 단계에 대응한다. 이때, 가장 강한 경로를 추정하기 위해 MUSIC 알고리즘에 따른 스펙트럼에서 가장 높은 피크를 이용할 수 있다.
다음으로, S230 단계에서는 복수의 링크로부터 M(M은 20이상의 자연수)개의 FTM 샘플 데이터를 수집하고, 제3 알고리즘을 이용하여 추정된 AoA의 위상완화 및 FTM의 오류를 계산하고, 계산 결과를 평균 및 AIC(Akaike Information Criterion)와 비교하여 최소 양의 평균을 갖는 경로를 범위 추정치로 결정한다.
상세하게는, FTM 측정결과를 수집하기 위해 수신기(FTM-R) 은 FTM 메시지를 송신기(FTM-I)에 전송하고 ACK를 기다리며, 각 링크에 대해 M=20개의 샘플 데이터를 이용하여 거리 오류를 계산하게 된다. 그리고, 계산결과를 평균 및 AIC와 비교한다. 여기서, 후자는 GMM(Gaussian Mixture Model)에서 최적의 클러스터 수를 식별하기 위해 일반적으로 사용되는 것으로, 가장 낮은 AIC를 사용하여 최적의 경로 수를 추론한 후 최소 양의 평균을 가진 경로를 범위 추정치로 사용한다.
여기서, AIC는 여러 통계 모델들의 성능을 서로 비교할 수 있도록 하는 것으로, 낮을수록 좋은 결과를 얻을 수 있으며, 오버핏(over fit)이나 언더핏(under fit)이 작은 모델이 선택되도록 하는 특징이 있다.
또한, 제3 알고리즘으로는 SPRING(Smartphone Positioning with Radio Measurements from a Single WiFi Access Point) 알고리즘이 이용될 수 있다.
상기의 AoA 추정치는 표준 802.11-2016 및 802.11ac 수정안을 이용하여 상용 칩셋에서 추출한 CSI으로부터 추출된 것으로, 이러한 AoA 추정치는 WiFi 칩셉과 관련된 위상 캘리브레이션 문제가 존재함에 따라, 이를 해결하기 위해 SPRING 알고리즘을 이용하게 된다.
또한, FTM은 802.11 표준의 새로운 기능임에 따라, 지금까지 노이즈(noise)를 개선할 모델이 제시되지 않았으므로, FTM 프로토콜을 사용하여 범위 성능에 영향을 미치는 주요 요소와 매개변수를 분석하고 FTM 측정 시 노이즈를 처리할 수 있도록 있도록 한다.
다음으로, S240 단계에서는 두 개의 추가 AP로부터 FTM을 더 수집하고, 기존 앵커를 포함하여 3개 이상의 AP로부터 수집된 FTM 추정치에 최소 제곱법에 기반한 다중 위치 계산 알고리즘을 적용하여 상기 제2 추정 거리값을 산출한다.
이는, 전술한 제3 알고리즘이 SPRING은 하나의 앵커에 대한 정보만이 필요하고 3개의 FTM AP는 다중 평가에 필요하다는 특성에 따른 것이며, 다중 평가의 경우 각 FTM-R로부터의 추정 거리를 사용하여 최소 제곱법(LLS)에 기반한 다중 위치 계산 알고리즘(multilateration algorithm)을 사용하여 초기 위치 추정을 수행하게 된다.
전술한 절차에 따라, 본 발명의 무선통신 시스템의 정밀 측위 방법에서는 FTM 측정에서 다중 경로의 영향을 완화하여 CSI로부터 교정된 입력의 수신을 통해 보정된 거리 추정치를 출력하게 된다. 이는 전체 파이프라인에서 제2 거리 추정값에 대응하는 절차라 볼 수 있다.
이후, 본 발명의 실시예에 따른 전술한 S100 단계 및 S200 단계를 통해 산출한 제1 및 제2 거리추정 값 중, 어느 하나를 표적노드의 좌표로서 선택하는 절차를 수행하게 된다.
상세하게는, 전술한 추정 거리 계산값의 산출에 따라 다수의 학습데이터 및 환경 파라미터를 이용한 딥 러닝 절차를 통해 학습된 학습모델에 제1 및 제2 추정 거리값을 입력하여 정확도가 높은 하나를 선택적으로 추출하여 거리 추정값을 결정하는 계(S300)로서, 공지의 딥 러닝 기술, 일례로서 강화학습 기법이 이용될 수 있다.
본 발명의 실시예에 따른 정밀 측위 방법에 의하면, 상황인지 딥러닝 기반 예측은 통신 측위시점의 여러가지 상황을 학습 데이터로 수집하여 강화학습(Reinforcement Learning)의 방법으로 더 올바른 거리추정 값을 선택할 수 있도록 한다. 이는 전출한 절차에 의해 도출된 제1 및 제2 거리 추정값중에서 더 올바른 값을 선택할 수 있도록 하기 위함이다.
이에 따라, 본 발명에서는 미리 테스트를 진행하여 제1 거리 추정값, 제2 거리 추정값 및 환경파라미터를 포함하는 다량의 학습데이터를 학습모델에 입력하여 강화학습을 수행함으로써, 추후 실제 환경에서 입력되는 두 거리추정 값 중에서 실제 환경파라미터값 하에서 더 정확한 거리 추정값을 선택 추출할 수 있도록 한다.
머신러닝의 한 분야인 강화학습은 행동심리학에서 비롯되어, 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법으로 알려져 있다. 이러한 문제는 매우 포괄적이기 때문에 게임 이론, 제어이론, 운용 과학, 정보 이론, 시뮬레이션 기반 최적화, 다중 에이전트 시스템, 통계학 및 유전 알고리즘 등의 분야에서도 연구에 활용되고 있으며, 본 발명의 측위 추정에도 적합하다.
또한, 거리추정값 예측을 위해 다수의 환경 파라미터가 고려될 수 있다. 이러한 환경 파라미터에는, 측정에 사용되는 앵커 및 각 앵커의 안테나 개수, 각 앵커에서 전송하는 부반송파 개수 와 주파수 범위 등의 캐퍼빌시티(Capability), LOS 환경의 앵커와 NLOS 앵커 개수, 표적 노드의 안테나 수와 환경 변수 및, 앵커의 기하학적 위치 정보 등이 포함될 수 있다.
다음으로, 머신러닝을 통해 선택되는 어느 하나의 거리 추정값에 대하여 제4 알고리즘인 ADL(Accurate and Distributed Localization) 알고리즘 또는 확장된 ADL(Extended ADL) 알고리즘을 통해 측위를 보완할 수 있다.
이를 위한 절차로서, 거리 추정값과, AoA에 대한 위상 완화한 AoA 추정값에 제4 알고리즘을 적용하여 표적노드의 좌표를 생성하는 단계(S400)는, 머신 러닝에 의해 선택된 하나의 거리 추정값에 대하여, 위상 캘리브레이션(Calibration)에 의한 위상오류를 완화한 AoA추정값을 통해 소정개의 앵커를 이용하여 측위를 산출하거나, 또는 하나의 앵커에 대하여 표적노드의 이동에 따라 측위를 산출하는 단계일 수 있다.
앵커가 복수일 경우, 제4 알고리즘은, 각 앵커의 각도 및 거리정보를 이용하여 상기 표적노드의 위치 추정치를 계산하는 단계 및, 모든 앵커에서 상기 위치 추정치를 수신하고, 표적노드의 위치 추정 값의 평균을 사용하여 표적노드의 좌표를 계산하는 단계로 구성될 수 있다.
상세하게는, 앵커가 복수개일 경우 각 앵커의 각도 및 거리정보를 이용하여 표적노드의 위치 추정치를 계산하게 되며, 도 9는 4개의 앵커로부터 표적노드의 좌표를 산출하기 위한 좌표 그래프를 예시하고 있다.
상기 도 9의 예에서 표적노드의 위치는 이하의 수학식 5에 의해 계산될 수 있다.
Figure 112020133741555-pat00007
여기서, ti,1, ti,2는 각각 표적좌표의 위치 추정된 좌표, xi,1, xi,2는 각 앵커의 실제 좌표, di는 표적노드와 각 앵커간 거리,
Figure 112020133741555-pat00008
,
Figure 112020133741555-pat00009
는 각각 표적노드와 앵커간의 신호 각도를 가리킨다.
다음으로, 모든 앵커에서 상기 위치 추정치를 수신하고, 표적 노드의 위치 추정 값의 평균을 사용하여 표적노드의 좌표를 계산하는 단계는 이하의 수학식 6을 만족한다.
Figure 112020133741555-pat00010
또한, 모든 앵커의 위치 추정 평균을 사용하여 목표 노드의 위치를 계산하는 경우, 효율성을 높이고 정확성을 보장할 수 있다.
Figure 112020133741555-pat00011
상기의 수학식 6, 7에서,
Figure 112020133741555-pat00012
는 표적노드의 좌표 추정치, x0는 표적노드의 좌표, m는 앵커의 개수, Ti는 각 앵커별 표적노드의 위치 추정치를 가리킨다.
한편, 앵커의 수가 3개 미만인 경우에도 표적 노드의 측위가 가능하다. 단, ADL 알고리즘은 각도 및 거리에 관한 정보를 모두 사용하여 측위 계산을 수행함에 따라 동일한 수의 앵커 상황에서 더 정확한 결과를 기대할 수 있다.
또한, 표적노드의 이동을 고려하여 하나의 앵커만 사용할 수 있는 열악한 환경에서는 확장된 ADL 알고리즘을 이용할 수 있다.
확장된 ADL 알고리즘에 따르면, 표적노드는 시작 좌표를 원점으로 하는 가상 좌표계에서 이동하는 것으로 가정하여 앵커는 표적노드가 이동하는 방향을 측정하여 측정결과를 표적노드에 전송할 수 있다.
도 10은 두 개의 직선이동을 기반으로 하는 단일 앵커 환경에서 측위를 위한 좌표 그래프이다.
도 10을 참조하면, 앵커가 하나일 경우, 제4 알고리즘은 표적노드 이동 거리 및 회전 각도를 통해서 두 직선이동을 기반으로 하거나, 삼각형 이동을 기반으로 하여 표적노드의 좌표를 계산하는 단계를 포함할 수 있고, 특히 표적노드 이동 거리 및 회전 각도를 통해서 두 직선이동을 기반으로 하여 표적노드의 좌표를 계산하는 단계는, 표적노드는 시작 좌표를 원점으로 하는 가상 좌표계에서 이동하는 것으로 가정하고, 앵커가 표적노드의 이동하는 방향을 측정하여 측정결과를 표적노드에 전송하는 단계 및, 표적노드가 이동하다가(ex. d4 미터), 오른쪽 혹은 왼쪽으로 회전(
Figure 112020133741555-pat00013
)하고 다시 특정거리에 도달시, 이하의 수학식 8에 기초하여 표적노드의 실제 좌표를 산출하는 단계를 포함할 수 있다.
Figure 112020133741555-pat00014
Figure 112020133741555-pat00015
Figure 112020133741555-pat00016
여기서, x, y는 표적노드의 이동 위치, θ는 이동중인 표적노드의 회전각, d는 표적노드의 이동거리를 가리킨다.
또한, 도 11은 표적노드가 임의의 삼각형을 따라 이동하는 단일 앵커 환경에서 측위를 위한 좌표 그래프이다.
도 11을 참조하면, 상기 삼각형 이동을 기반으로 하여 상기 표적노드의 좌표를 계산하는 단계는, 표적노드는 시작 좌표를 원점으로 하는 가상 좌표계에서 임의의 삼각형을 따라 이동하는 것으로 가정하고, 앵커가 표적노드의 이동하는 방향을 측정하여 측정결과를 표적노드에 전송하는 단계 및, 상기 표적노드의 이동 중 원점에 도달시, 이하의 수학식 9에 의해 산출하는 단계를 포함할 수 있다.
Figure 112020133741555-pat00017
Figure 112020133741555-pat00018
Figure 112020133741555-pat00019
Figure 112020133741555-pat00020
Figure 112020133741555-pat00021
여기서, x,y는 표적노드의 이동 위치를 가리킨다.
상기한 설명에 많은 사항이 구체적으로 기재되어 있으나 이것은 발명의 범위를 한정하는 것이라기보다 바람직한 실시예의 예시로서 해석되어야 한다. 따라서, 발명은 설명된 실시예에 의하여 정할 것이 아니고 특허청구범위와 특허청구범위에 균등한 것에 의하여 정하여져야 한다.
10 : 표적노드 50 : AP
100 : 정밀 측위 장치 110 : 제1 거리추정 수단
111 : CSI 데이터 추출부 112 : 스펙트럼 추출부
113 : 우세경로 계산부 114 : 제1 거리 계산부
120 : 제2 거리추정 수단 121 : FTM 수집부
123 : 제2 거리 계산부 125 : 측위 보정부
130 : 딥 러닝 예측부 140 : 표적노드 출력부

Claims (16)

  1. 이동체인 표적노드와 하나 이상의 AP(Access Point)인 앵커간의 무선통신에 따른 수신신호를 이용한 표적노드의 측위 방법으로서,
    상기 표적노드의 수신신호로부터 추출되는 CSI(Channel State Information)를 수집하고, 상기 CSI에 제1 알고리즘을 적용하여 전파경로를 식별하며 FTM(Fine Time Measurement)를 산출하고, 상기 전파경로와 FTM 추정치에 제2 알고리즘을 적용하여 상기 표적노드와 앵커간 제1 추정 거리값을 산출하는 단계;
    상기 CSI를 이용하여 추정한 AoA(Angle of Arrival) 및 복수의 FTM 샘플에 제3 알고리즘을 적용하여 다중경로 오류를 보정하고 상기 AP와 표적노드간 제2 추정 거리값을 산출하는 단계;
    다수의 학습데이터 및 환경 파라미터를 이용한 딥 러닝 절차를 통해 학습된 학습모델에 상기 제1 및 제2 추정 거리값을 입력하여 정확도가 높은 하나를 선택적으로 추출하여 거리 추정값을 결정하는 단계; 및
    상기 거리 추정값과, 상기 AoA에 대한 위상 완화한 AoA 추정값에 제4 알고리즘을 적용하여 상기 표적노드의 좌표를 생성하는 단계
    를 포함하는 무선통신 시스템의 정밀 측위 방법.
  2. 제 1 항에 있어서,
    상기 제1 추정 거리값을 산출하는 단계는,
    상기 표적노드의 송신기 안테나수, 수신기 안테나수 및 부반송파 수의 곱을 통해 상기 수신신호의 PHY로부터 상기 CSI를 추출하는 단계;
    상기 제1 알고리즘을 적용하여 상기 CSI의 다중신호를 분류하여 의사 스펙트럼을 추출하는 단계;
    상기 의사 스펙트럼의 피크에 기초하여 상기 전파경로를 식별하고, 상기 전파경로에 기초하여 ToF(Time of Flight) 및 전파강도의 추정치를 추출하는 단계; 및
    상기 제2 알고리즘을 통해 NLOS(Non Line of Sight) 환경을 포함하여 상기 FTM의 부정확한 반환값을 감지하고, 오류를 수정하여 상기 제1 추정 거리값을 산출하는 단계
    를 포함하는 무선통신 시스템의 정밀 측위 방법.
  3. 제 2 항에 있어서,
    상기 제2 알고리즘을 통해 NLOS(Non Line of Sight) 환경을 포함하여 상기 FTM의 부정확한 반환값을 감지하고, 오류를 수정하여 상기 제1 추정 거리값을 산출하는 단계는,
    상기 CSI에 제1 알고리즘을 적용하여, 우세경로를 식별하는 단계;
    다른 경로에 대한 상대적 강도를 이하의 수학식에 의해 계산하는 단계;
    수학식
    Figure 112020133741555-pat00022

    (여기서, R은 CSI 스펙트럼에 대한 직접 경로의 기여도를 정량화한 매개변수, K/k는 경로, Pk는 경로 k의 신호강도, tk는 ToF)
    상기 R이 임계값과 같거나 클 경우 상기 FTM에 따른 거리 추정치를 유지하고, 상기 R이 임계값보다 작을 경우, 평균초과지연을 이하의 수학식에 의해 계산하는 단계; 및
    수학식
    Figure 112020133741555-pat00023

    보정된 거리 추정치를 이하의 수학식에 의해 계산하는 단계
    수학식
    Figure 112020133741555-pat00024

    (여기서, dfusic은 제2 알고리즘에 의한 거리 추정치, dftm은 FTM 거리 추정치)
    를 포함하는 무선통신 시스템의 정밀 측위 방법.
  4. 제 1 항에 있어서,
    상기 제2 추정 거리값을 산출하는 단계는,
    상기 제1 알고리즘을 적용하여 상기 CSI의 다중신호를 분류하여 의사 스펙트럼을 추출하는 단계;
    상기 의사 스펙트럼의 피크에 기초하여 AoA(Angle of Arrival)를 추정하는 단계;
    복수의 링크로부터 M(M은 20이상의 자연수)개의 FTM 샘플 데이터를 수집하고, 상기 제3 알고리즘을 이용하여 추정된 상기 AoA의 위상완화 및 FTM의 오류를 계산하고, 계산 결과를 평균 및 AIC(Akaike Information Criterion)와 비교하여 최소 양의 평균을 갖는 경로를 범위 추정치로 결정하는 단계; 및
    두 개의 추가 AP로부터 FTM을 더 수집하고, 기존 앵커를 포함하여 3개 이상의 AP로부터 수집된 FTM 추정치에 최소 제곱법에 기반한 다중 위치 계산 알고리즘을 적용하여 상기 제2 추정 거리값을 산출하는 단계
    를 포함하는 무선통신 시스템의 정밀 측위 방법.
  5. 제 1 항에 있어서,
    상기 환경 파라미터는,
    상기 앵커 및 추가 AP의 안테나 개수, 상기 앵커에서 전송하는 부반송파 개수 및 주파수 범위의 캐퍼빌리티(capability), LOS 환경의 앵커 및 NLOS 앵커 개수, 표적노드의 안테나 수와 환경 변수 및, 앵커의 기하학적 위치 정보 중, 하나 이상
    을 포함하는 무선통신 시스템의 정밀 측위 방법.
  6. 제 1 항에 있어서,
    상기 제4 알고리즘은,
    상기 앵커가 복수일 경우, 각 앵커의 각도 및 거리정보를 이용하여 상기 표적노드의 위치 추정치를 계산하는 단계; 및
    모든 앵커에서 상기 위치 추정치를 수신하고, 표적 노드의 위치 추정 값의 평균을 사용하여 표적노드의 좌표를 계산하는 단계
    를 포함하는 무선통신 시스템의 정밀 측위 방법.
  7. 제 6 항에 있어서,
    상기 앵커가 복수개일 경우, 각 앵커의 각도 및 거리정보를 이용하여 상기 표적노드의 위치 추정치를 계산하는 단계는,
    이하의 수학식,
    Figure 112020133741555-pat00025

    에 의해서 상기 표적노드의 위치 추정치를 계산하는 무선통신 시스템의 정밀 측위 방법(단, ti,1, ti,2는 각각 표적좌표의 위치 추정된 좌표, xi,1, xi,2는 각 앵커의 실제 좌표, di는 표적노드와 각 앵커간 거리,
    Figure 112020133741555-pat00026
    ,
    Figure 112020133741555-pat00027
    는 각각 표적노드와 앵커간의 신호 각도).
  8. 제 6 항 또는 제 7 항에 있어서,
    상기 모든 앵커에서 상기 위치 추정치를 수신하고, 표적노드의 위치 추정 값의 평균을 사용하여 표적노드의 좌표를 계산하는 단계는,
    이하의 수학식,
    Figure 112020133741555-pat00028

    Figure 112020133741555-pat00029

    에 의해서 상기 표적노드의 위치 추정치를 계산하는 무선통신 시스템의 정밀 측위 방법(단,
    Figure 112020133741555-pat00030
    는 표적노드의 좌표 추정치, x0는 표적노드의 좌표, m는 앵커의 개수, Ti는 각 앵커별 표적노드의 위치 추정치).
  9. 제 5 항에 있어서,
    상기 제4 알고리즘은,
    상기 앵커가 하나일 경우, 상기 표적노드의 이동 거리 및 회전 각도를 통해서 두 직선이동을 기반으로 하거나, 삼각형 이동을 기반으로 하여 상기 표적노드의 좌표를 계산하는 단계
    를 포함하는 무선통신 시스템의 정밀 측위 방법.
  10. 제 9 항에 있어서,
    상기 표적노드 이동 거리 및 회전 각도를 통해서 두 직선이동을 기반으로 하여 상기 표적노드의 좌표를 계산하는 단계는,
    상기 표적노드는 시작 좌표를 원점으로 하는 가상 좌표계에서 이동하는 것으로 가정하고, 상기 앵커가 상기 표적노드의 이동하는 방향을 측정하여 측정결과를 표적노드에 전송하는 단계; 및
    상기 표적노드의 이동 중, 오른쪽 혹은 왼쪽으로 회전하고 다시 특정거리에 도달시, 이하의 수학식,
    Figure 112020133741555-pat00031

    Figure 112020133741555-pat00032

    Figure 112020133741555-pat00033

    에 의해 산출하는 단계
    를 포함하는 무선통신 시스템의 정밀 측위 방법(단, x,y는 표적노드의 이동 위치,
    Figure 112020133741555-pat00034
    는 이동중인 표적노드의 회전각, d는 표적노드의 이동거리).
  11. 제 9 항에 있어서,
    상기 삼각형 이동을 기반으로 하여 상기 표적노드의 좌표를 계산하는 단계는,
    상기 표적노드는 시작 좌표를 원점으로 하는 가상 좌표계에서 임의의 삼각형을 따라 이동하는 것으로 가정하고, 상기 앵커가 상기 표적노드의 이동하는 방향을 측정하여 측정결과를 표적노드에 전송하는 단계; 및
    상기 표적노드의 이동 중, 원점에 도달시, 이하의 수학식,
    Figure 112020133741555-pat00035

    Figure 112020133741555-pat00036

    Figure 112020133741555-pat00037

    Figure 112020133741555-pat00038

    Figure 112020133741555-pat00039

    에 의해 산출하는 단계
    를 포함하는 무선통신 시스템의 정밀 측위 방법(단, x,y는 표적노드의 이동 위치).
  12. 이동체인 표적노드와 하나 이상의 AP(Access Point)인 앵커간의 무선통신에 따른 수신신호를 이용한 표적노드의 측위 장치로서,
    상기 표적노드의 수신신호로부터 추출되는 CSI(Channel State Information)를 수집하고, 상기 CSI에 제1 알고리즘을 적용하여 전파경로를 식별하며 FTM(Fine Time Measurement)를 산출하고, 상기 전파경로와 FTM 추정치에 제2 알고리즘을 적용하여 상기 표적노드와 앵커간 제1 추정 거리값을 산출하는 제1 거리 추정수단;
    상기 CSI를 이용하여 추정한 AoA(Angle of Arrival) 및 복수의 FTM 샘플에 제3 알고리즘을 적용하여 다중경로 오류를 보정하고 상기 AP와 표적노드간 제2 추정 거리값을 산출하는 제2 거리 추정수단;
    다수의 학습데이터 및 환경 파라미터를 이용한 딥 러닝 절차를 통해 학습된 학습모델에 상기 제1 및 제2 추정 거리값을 입력하여 정확도가 높은 하나를 선택적으로 추출하여 거리 추정값을 결정하는 딥러닝 예측부; 및
    상기 거리 추정값과, 상기 AoA에 대한 위상 완화한 AoA 추정값에 제4 알고리즘을 적용하여 상기 표적노드의 좌표를 생성하는 표적노드 출력부
    를 포함하는 무선통신 시스템의 정밀 측위 장치.
  13. 제 12 항에 있어서,
    상기 제1 거리 추정수단은,
    상기 표적노드의 송신기 안테나수, 수신기 안테나수 및 부반송파 수의 곱을 통해 상기 수신신호의 PHY로부터 상기 CSI를 추출하는 CSI 데이터 추출부;
    상기 제1 알고리즘을 적용하여 상기 CSI의 다중신호를 분류하여 의사 스펙트럼을 추출하는 스펙트럼 추출부;
    상기 의사 스펙트럼의 피크에 기초하여 상기 전파경로를 식별하고, 상기 전파경로에 기초하여 ToF(Time of Flight) 및 전파강도의 추정치를 추출하는 우세경로 계산부; 및
    상기 제2 알고리즘을 통해 NLOS(Non Line of Sight) 환경을 포함하여 상기 FTM의 부정확한 반환값을 감지하고, 오류를 수정하여 상기 제1 추정 거리값을 산출하는 제1 거리 계산부
    를 포함하는 무선통신 시스템의 정밀 측위 장치.
  14. 제 13 항에 있어서,
    상기 제2 거리 추정수단은,
    복수의 링크로부터 M(M은 20이상의 자연수)개의 FTM 샘플 데이터를 수집하는 FTM 수집부;
    상기 우세경로 계산부로부터, 제1 알고리즘에 의해 추출된 의사 스펙트럼의 피크에 기초하여 추정된 AoA(Angle of Arrival)를 수신하고, 제3 알고리즘을 이용하여 추정된 상기 AoA의 위상완화 및 FTM의 오류를 계산하고, 계산 결과를 평균 및 AIC(Akaike Information Criterion)와 비교하여 최소 양의 평균을 갖는 경로를 범위 추정치로 결정하는 제2 거리 계산부; 및
    두 개의 추가 AP로부터 FTM을 더 수집하고, 기존 앵커를 포함하여 3개 이상의 AP로부터 수집된 FTM 추정치에 최소 제곱법에 기반한 다중 위치 계산 알고리즘을 적용하여 상기 제2 거리 계산부에 의해 계산된 측위를 보정하여 제2 거리 추정값을 생성하는 측위 보정부
    를 포함하는 무선통신 시스템의 정밀 측위 장치.
  15. 제 12 항에 있어서,
    상기 표적노드 출력부는,
    상기 표적노드와 복수의 앵커간 각도 및 거리정보를 이용하여 표적노드의 위치 추정치를 계산하고, 모든 앵커에서 위치 추정값의 평균을 계산하여 표적노드의 좌표를 계산하는 무선통신 시스템의 정밀 측위 장치.
  16. 제 12 항에 있어서,
    상기 표적노드 출력부는,
    상기 표적노드는 시작 좌표를 원점으로 하는 가상 좌표계에서 임의의 삼각형을 따라 이동하는 것으로 가정하고, 상기 표적노드의 이동하는 방향을 측정하고, 상기 표적노드의 회전점 및 시작지점간 거리를 계산하고, 회전각 또는 이동거리를 측정하여 상기 표적노드의 좌표를 계산하는 무선통신 시스템의 정밀 측위 장치.
KR1020200171685A 2020-12-09 2020-12-09 무선통신 시스템의 정밀 측위 방법 및 장치 KR102416604B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200171685A KR102416604B1 (ko) 2020-12-09 2020-12-09 무선통신 시스템의 정밀 측위 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200171685A KR102416604B1 (ko) 2020-12-09 2020-12-09 무선통신 시스템의 정밀 측위 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20220081797A KR20220081797A (ko) 2022-06-16
KR102416604B1 true KR102416604B1 (ko) 2022-07-05

Family

ID=82217301

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200171685A KR102416604B1 (ko) 2020-12-09 2020-12-09 무선통신 시스템의 정밀 측위 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102416604B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117110983B (zh) * 2023-10-25 2023-12-22 香港中文大学（深圳） 一种基于无人机螺旋轨迹的信号源定位方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101174542B1 (ko) 2009-09-22 2012-08-16 한양대학교 산학협력단 이동 단말, 이동 단말의 위치 측정 시스템 및 그 방법
KR20190071238A (ko) * 2017-12-14 2019-06-24 삼성전자주식회사 전자 장치 간의 무선 통신을 수행하는 방법, 이를 위한 전자 장치

Also Published As

Publication number Publication date
KR20220081797A (ko) 2022-06-16

Similar Documents

Publication Publication Date Title
JP3461167B2 (ja) 位置計算方法及び位置算出装置
CN109155984B (zh) 确定通道时延的方法、定位方法和相关设备
EP2901737B1 (en) Method and communication node for determining positioning measurement uncertainty and position determination.
US9804253B2 (en) System and methods for non-parametric technique based geolocation and cognitive sensor activation
US7574221B2 (en) Method for estimating jointly time-of-arrival of signals and terminal location
CN108702585B (zh) 混合指纹识别/otdoa定位技术和***
US20220229143A1 (en) Line of sight detection based on channel impulse response reported
US20080186234A1 (en) Method to modify calibration data used to locate a mobile unit
JP2016515212A (ja) 到達時間算出を向上させる方法およびシステム
CN110869791A (zh) 车辆通信***中用于区分视线和非视线的方法和设备
US12000942B2 (en) Methods and apparatuses for positioning in a wireless communications network
US11294024B2 (en) System, apparatus, and/or method for determining a time of flight for one or more receivers and transmitters
Huang et al. Enhanced LTE TOA/OTDOA estimation with first arriving path detection
KR20090087557A (ko) 실내 측위 시스템 및 방법
KR102416604B1 (ko) 무선통신 시스템의 정밀 측위 방법 및 장치
Bahillo et al. Accurate and integrated localization system for indoor environments based on IEEE 802.11 round-trip time measurements
US10673485B2 (en) Method and receiving node for determining time of arrival, TOA, for a received radio signal
WO2022190122A1 (en) Method of positioning a node in a cellular network
CN114144690A (zh) 用于自动标记高精度室内定位和确定位置信息的设备和方法
US10241188B2 (en) Method and apparatus for obtaining time of arrival TOA when mobile terminal is located
CN105898858B (zh) 一种不依赖于邻居节点的apit节点定位***及方法
Koenig et al. Multipath mitigation for indoor localization based on IEEE 802.11 time-of-flight measurements
CN107124700A (zh) 一种基于tdoa通信距离估计的不确定性分析方法
Wu et al. DorFin: WiFi fingerprint-based localization revisited
KR20120047694A (ko) 관측된 도착시간차를 이용한 휴대용 단말기 위치 추적 방법 및 이러한 방법을 사용하는 휴대용 단말기

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant