인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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.
피인용 0
초록·키워드
초광대역(UWB) 기반 실내 위치 추정은 NLOS(Non-Line-of-Sight) 및 다중경로 환경으로 인한 측정 오차 때문에 정확도가 떨어지는 한계가 있다. 최근 연구들은 머신러닝과 필터링 기법을 주로 단독으로 적용해 오차를 보정하려 했으나, 복잡한 실내 환경 변화에 대한 대응력과 위치 추정의 안정성 면에서 제약이 있었다. 이에 본 연구에서는 XGBoost(eXtreme Gradient Boosting) 기반 거리 보정과 칼만 필터 계열을 융합하여 문제를 해결하고자 하였으며, 실제 데이터를 활용해 다양한 필터의 성능을 비교 분석하였다. 실험 결과, 칼만 필터 융합 방식이 단독 XGBoost보다 위치 추정 정확도가 뛰어났으며, 특히 UKF(Unscented Kalman Filter)가 평균 거리 오차 약 28.4cm로 가장 우수한 성능을 나타냈다. 본 연구는 머신러닝과 동적 필터링의 융합이 실내 UWB 위치 추정의 정확도 향상에 효과적임을 입증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094555614
