RSS 변화에 강인한 인공신경망 기반 Wi-Fi Fingerprinting 시스템

Abstract

최근 실내 위치기반서비스의 수요가 증가함에 따라 서비스의 핵심 기술인 실내측위기술에 대한 관심이 증가하고 있다. 그 중, 이미 구축되고 보급되어 있는 IEEE 802.11 네트워크 인프라와 Wi-Fi가 가능한 모바일 기기들을 기반으로 하여 AP(Access Point)들의 RSS(Received Signal Strength)만을 이용해 쉽게 사용자의 위치를 추정할 수 있다는 점에서 Wi-Fi Fingerprinting 실내측위기술이 주목 받고 있다. Wi-Fi Fingerprinting 시스템의 측위 정확도에 가장 큰 영향을 주는 요인은 측정되는 RSSI(Received Signal Strength Index)의 안정성이다. 하지만 사람과 건물의 벽 등의 다양한 사물들 존재하는 실내 환경으로 인해 실내의 신호전파특성은 매우 복잡하며, 이러한 신호전파특성으로 인해 같은 위치에서도 측정되는 RSSI가 시간에 따라 변화하며 불안정하다. 이러한 RSS variance 문제를 해결하기 위한 다양한 연구들이 수행되었다. 하지만 기존 연구들의 경우 사물의 재배치나 실내 환경의 구조적 변화로 인해 실내에서의 신호전파 특성이 크게 변하여 측정되는 RSSI가 급격히 변하는 경우에는 측위 성능을 보장 할 수 없다. 본 논문에서는 각 AP별 독립적인 신경망을 갖는 특수한 구조의 인공신경망을 설계하고 이에 최적화된 입력 feature인 Differnce Map을 고안하며 이를 통해 급격한 RSSI의 변화에서도 성능을 보장하는 Wi-Fi Fingerprinting 시스템을 제안한다. 제안하는 시스템과 기존 시스템을 동일한 조건에서 시뮬레이션을 통해 비교한 결과 제안하는 시스템이 급격한 RSSI의 변화에서 상대적으로 높은 측위 정확도를 보여줌을 확인 할 수 있었다.