긴급구조 상황에서 요구조자의 구조활동을 위해서는 높은 정확도와 가용성을 갖는 위치 정보가 필요하며, 이를 위한 위치추정 기술 개발이 많이 이루어지고 있다. Global Navigation Satellite System (GNSS)는 가장 대표적인 위치추정 기술이지만 도심 지역에서는 신호를 획득할 수 없거나 다중경로 신호로 인해 위치 정보에 큰 오차가 포함될 수 있다. 본 논문에서는 이러한 한계를 보완하기 위해 실 내/외 모든 곳에서 신호를 수신할 수 있는 LTE의 신호정보를 사용하여 요구조자의 위치를 추정하는 기법을 연구한다. LTE 신호 중 쉽게 획득할 수 있는 Reference Signal Received Power (RSRP) 정보를 사용하는 Fingerprinting 기법을 적용한다. Fingerprinting 기반 위치추정에서 K-Nearest Neighbor (KNN) 기법이 가장 많이 사용되고 있다. 그러나 KNN의 성능은 K에 민감하며, 획득된 신호에 이상치가 존재 하는 경우 추정된 위치 정보의 오차가 커지게 된다. 따라서 본 연구에서는 신경회로망 기법 중 이미지 분류 방식인 Convolutional Neural Network (CNN) 기법을 사용하여 위치를 추정한다. 이를 위해 먼저 서비스 지역에 가상의 Grid Point를 생성한 후 Grid Point 간격 내에 포함되어 있는 측정 데이터들 중 PCI/Channel 정보의 조합 수만큼 DB를 구성한다. 생성된 DB의 정보는 Gray Scale 이미지로 변환하며, 변환된 데이터는 CNN 모델의 입력으로 사용되어 Grid Point의 위치가 분류되도록 학습한다. 제안된 기법의 성능은 실데이터 기반의 실험분석을 통해 검증한다.

CNN-based LTE Fingerprinting Technique for Positioning in Urban Areas

Jae Uk Kwon, Seong Yun Cho*

In emergency rescue situations, location information with high accuracy and availability is required for rescue activities of demanders, and many location estimation technologies are being developed for this. Global Navigation Satellite System (GNSS) is the most representative location estimation technology, but signals cannot be obtained in urban areas or large errors may be included in location information due to multipath signals. In this paper, to compensate for this limitation, we study a technique of estimating the location of the requester using LTE's signal information that can receive signals indoors and outdoors. A Fingerprinting technique using Reference Signal Received Power (RSRP) information that can be easily obtained among LTE signals is applied. The K-Nearest Neighbor (KNN) technique is most commonly used in fingerprinting-based location estimation. However, the performance of the KNN is sensitive to K, and when an outlier is present in the acquired signal, the error of the estimated location information increases. Therefore, in this study, the location is estimated using the Convolutional Neural Network (CNN) technique, which is an image classification method among neural network techniques. To this end, a virtual Grid Point is first created in the service area, and then the DB is configured by the number of combinations of PCI/Channel information among the measurement data included within the Grid Point interval. The information on the generated DB is converted into a Gray Scale image, and the converted data is used as an input of the CNN model to learn so that the location of the Grid Point is classified. The performance of the proposed technique is verified through actual data-based experimental analysis.

Keywords: LTE positioning, fingerprinting, KNN, CNN

Speaker 권재욱 경일대학교