메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
강민규 (영남대학교) 임영준 (영남대학교) 허수정 (영남대학교) 박용완 (영남대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제44권 제8호
발행연도
2019.8
수록면
1,510 - 1,519 (10page)
DOI
10.7840/kics.2019.44.8.1510

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

초록· 키워드

오류제보하기
실내 측위 기법에 사용되는 핑거프린팅(Fingerprinting) 방식은 데이터베이스 구축 단계와 측위 단계로 구성된다. 데이터베이스 구축 단계는 측위 할 지점마다 데이터를 수집하는 과정이며, 측위 단계는 구축한 데이터베이스의 데이터와 사용자가 수집한 데이터의 유사도를 비교하여 사용자의 위치를 결정한다. 기존 지구자기장 세기 기반의 실내 측위 기법은 데이터베이스와 사용자가 수집한 지구자기장 세기를 비교하여 사용자의 위치를 결정한다. 하지만 스마트폰에 내장된 자력계 센서가 민감하고, 스마트폰 기종마다 서로 다른 자력계 센서가 내장되어있어 동일 지점에서 서로 다른 지구자기장 세기가 수집되는 문제점이 있다. 이러한 문제점은 데이터베이스에 저장된 지구자기장 세기와 사용자가 수집한 지구자기장 세기의 차이가 클수록 측위 정확도가 떨어지며, 스마트폰 기종마다 데이터베이스를 새롭게 구축해야 하는 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위해 지구자기장 세기를 패턴화한 MP(Magnetic Pattern)와 합성곱 신경망(Convolutional Neural Networks)을 이용한 측위 기법을 제안한다. 제안 기법의 데이터베이스 구축단계는 측위 할 지점에서 발생할 수 있는 MP를 생성하며, 측위 단계에서는 생성된 MP를 합성곱 신경망에 학습하여 사용자의 위치를 예측한다. 제안하는 기법의 성능을 평가하기 위해 실험 환경이 서로 다른 2개 건물에서 Samsung Galaxy S8과 LG G6를 이용하여 평가했으며, 최대오차 2.6m, 평균 오차 0.577m 성능을 보여준다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안 기법
Ⅳ. 실험 결과 및 분석
Ⅴ. 결론
References

참고문헌 (13)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0