도심 환경에서는 여러 지형지물에 의해 인공위성 신호 비가시 영역이 형성되면서 Global Navigation Satellite System (GNSS) 수신기 측위 성능을 크게 저하시키는 다중 경로 채널이 생성된다. 다중 경로 채널에서의 최초 도달 신호 탐지는 GNSS 수신기 측위 성능을 향상시킬 수 있는 가장 결정적인 방법이며, 이에 대해 현재까지 많은 연구가 진행되고 있다. 하지만, 기존 기술들은 다중 경로 채널의 개수 가 정의되어야 한다는 제한적인 사용 조건과 높은 계산량 등에 대한 한계가 있다. 본 논문에서는 convolution neural network (CNN)을 사용하여 auto-correlation function (ACF) 출력 이미지로부터 다중 경 로 중 최초 도달 신호의 코드 지연을 추정하는 기술을 제안한다. 그리고 그 성능을 기존에 제시된 super resolution (SR) 기반 기술인 SAGE와 LIMS 및 multi-layer perceptron (MLP)의 성능과 비교하여, 제 안하는 기술의 우월한 최초 도달 신호 탐지 성능을 입증한다.

First Arrival Path Detection in Multipath Using CNN

Seung-Tae Han, Boseong Kim, Sangjae Cho, Seung-Hyun Kong*

In urban environments, non-line-of-sight areas for satellite signals are formed by various topographic features, creating multipath channels that significantly degrade the Global Navigation Satellite System (GNSS) receiver positioning performance. First arrival path detection in multipath channels is the most decisive method to improve the positioning performance of GNSS receivers, and many studies have been conducted to date. However, existing technologies have limitations in terms of limited use conditions that the number of multipath channels must be defined, and high calculations. In this paper, we propose a technology for estimating the code delay of the first arrival path among multiple paths from the auto-correlation function (ACF) output image using the convolution neural network (CNN). And comparing its performance with the previously proposed super resolution (SR)-based technologies, SAGE, LIMS, and multi-layer perceptron (MLP), demonstrates the superior first arrival path detection performance of the proposed technology.

Keywords: multipath, first arrival path, convolutional neural network

Speaker 한승태 한국과학기술원