[논문 리뷰] Precise Indoor Positioning Based on UWB and Deep Learning

Chenyu Wang, Zihuai Lin|arXiv (Cornell University)|2022. 04. 17.

Indoor and Outdoor Localization Technologies인용 수 4

한 줄 요약

이 논문은 측정 거리와 진짜 거리 간의 관계에서 유도된 지문 데이터베이스를 활용하여 정확도를 향상시키기 위해 BP 신경망을 통합한 UWB 기반 실내 위치 지정 시스템을 제안한다. 기존의 삼각측량 방식에 비해 평균 73% 향상된 정확도를 달성하며, 깊이 학습을 통해 훈련된 거리 지문을 사용하여 목표 위치를 분류함으로써 성능을 향상시킨다.

ABSTRACT

We examined UWB-based indoor location in conjunction with a fingerprint technique in this work. We built a connection between the measured and real distances for the UWB indoor positioning system. This connection is used to produce a distance database that may be used to generate fringerprints. We created a BP neural network to classify the target node to the relevant fringerpint using the distance database. Our suggested deep learning technology considerably enhances location accuracy when compared to existing trilateration systems.

연구 동기 및 목표

• 멀티패스 및 NLOS 오차로 인해 기존 삼각측량 기반 UWB 실내 위치 지정의 한계를 해결하기 위해.
• 측정 거리에서 진짜 거리로의 校정을 활용한 보다 정확한 지문 기반 위치 지정 시스템을 개발하기 위해.
• 거리 지문 데이터베이스를 사용하여 목표 위치를 분류하는 BP 신경망의 성능 평가를 위해.
• 신경망 훈련을 위한 최적의 기준점 선택 전략을 탐색하고 측정 오차를 최소화하기 위해.
• 더 큰 지문 데이터베이스와 다른 딥러닝 아키텍처를 활용한未來 개선 방안을 탐색하기 위해.

제안 방법

• 측정된 UWB 거리와 진짜 거리 간의 관계를 설정하여 지문화를 위한 校정된 거리 데이터베이스를 구축한다.
• 실내 영역을 격자로 나누고, 기준점에서 RSSI 및 TOA 기반 거리 측정값을 수집하여 지문 생성을 수행한다.
• 수집된 거리 지문을 특정 공간 위치로 매핑하기 위해 BP 신경망을 훈련시켜 실시간 위치 분류를 가능하게 한다.
• 세 가지 훈련 전략을 평가한다: 이점 대각선 훈련(TDT), 이점 비대각선 훈련(TNT), 그리고 둘을 통합한 융합 훈련(CT).
• CT 방법은 TDT 및 TNT 구성의 데이터를 통합하여 일반화 능력을 향상시키고 오차 분산을 감소시킨다.
• 다양한 테스트 포인트에서 평균 오차 거리 측정을 통해 BP 신경망의 정확도를 기존 삼각측량과 비교 평가한다.

실험 결과

연구 질문

• RQ1 교정된 UWB 거리 지문을 기반으로 훈련된 BP 신경망이 삼각측량 대비 실내 위치 지정 정확도를 상당히 향상시킬 수 있는가?
• RQ2 기준점의 공간 분포가 지문 기반 딥러닝 모델의 성능에 어떤 영향을 미치는가?
• RQ3 앵커 노드 근처에서의 측정 오차는 신경망의 일반화 능력과 위치 지정 정확도에 어떤 영향을 미치는가?
• RQ4 TDT 및 TNT 전략을 융합 훈련을 통해 통합하면 개별 전략보다 더 높은 정확도를 달성할 수 있는가?
• RQ5 지문 데이터베이스의 크기와 품질은 딥러닝 기반 위치 지정 시스템의 성능에 어떤 영향을 미치는가?

주요 결과

• BP 신경망 접근 방식은 기존 삼각측량 대비 평균 73%의 평균 오차 거리 감소를 달성했다.
• 융합 훈련(CT) 방법이 가장 우수한 전체 성능을 보였으며, TDT 및 TNT 전략을 뛰어넘었다.
• TDT 실험에서 그룹 2는 그룹 1보다 성능이 열 劣하였는데, 주로 목표물이 앵커 노드에 너무 가까워 측정 정확도가 낮아졌기 때문이다.
• TNT 방법은 그룹 2에서 TDT보다 성능이 뛰어나, 비대각선 기준점 선택 전략이 앵커 노드 근접으로 인한 오차 전파를 줄이는 데 효과적임을 시사한다.
• 연구 결과 기준점은 앵커 노드 근처가 아니라 테스트 영역의 중심부에 배치해야 측정 오차를 피할 수 있음을 확인하였다.
• 더 많은 기준점과 최적의 배치를 통해 지문 데이터베이스를 확장하면 시스템 정확도를 추가로 향상시킬 수 있음을 시사한다.