미국의 Global Positioning System (GPS)로 대표되는 Global Navigation Satellite Systems (GNSSs)는 우리 삶에서 위치, 항법, 시각 정보가 필요한 다양한 분야에서 필수적인 역할을 한 다. 그러나 도심 지역에서는 GNSS 신호가 건물 등에 의해 반사되거나 차단되는 다중경로 현상으로 인해 큰 측위 오차가 발생할 수 있다. GNSS 신호의 수신 관점에서 살펴보면, 신호 의 수신 환경은 line-of-sight (LOS) 신호만 수신되는 LOS-only 환경, non-line-of-sight (NLOS) 신호만 수신되는 NLOS-only 환경, LOS와 NLOS 신호가 모두 수신되는 LOS+NLOS 환경 의 세 경우로 구분할 수 있다. 이 가운데 NLOS-only와 LOS+NLOS 환경에서 앞서 설명한 큰 측위 오차가 발생할 수 있기 때문에 이를 탐지하고 대응하는 연구가 필요하다. GNSS 다중 경로 신호를 탐지하기 위한 방법으로 신호 수신 세기, 도플러 변화 등의 측정치를 이용하는 방법 등이 제안되었다. 또한 배열 안테나, 이중편파 안테나와 같은 하드웨어 기반의 방법과 3차원 지도 정보와 광선 추적 (ray-tracing) 기법을 이용하는 방법도 있다. 더 나아가 최근에는 기계학습 기법을 다중경로 신호 탐지에 적용하는 연구가 활발히 진행되고 있다. 본 연구 에서는 기계학습 기반의 GPS 다중경로 탐지 기법을 제안하며, GPS 신호를 입력하면 세 가지의 신호 수신 환경 중 하나를 출력해 주는 기계학습 분류 모델을 개발하였다. 기계학습 분 류 알고리즘으로는 Support Vector Machine (SVM)을 이용하였으며, 다중경로 환경에 영향을 받는 다양한 GPS 측정치를 기계학습 모델의 feature로 이용하였다. 학습에 이용한 feature 로는 신호 수신 세기값, 시간에 따른 신호 수신 세기의 변화량, 위성의 앙각 (elevation)이 있다. 학습을 위한 GPS 신호 데이터 샘플은 세 지점에서 수집하였으며, ray-tracing 기법을 통 해 데이터 라벨링 (labeling)을 진행하였다. 최종적으로 학습에 사용되지 않은 데이터셋을 이용하여 기계학습 모델의 분류 정확도를 테스트하였다.

Support Vector Machine-Based GPS Multipath Detection Method

Sanghyun Kim, Jiwon Seo*

The Global Navigation Satellite Systems (GNSSs), represented by the Global Positioning System (GPS) of the United States, play an essential role in various fields that require position, navigation, and time information. However, in urban areas, large positioning errors may occur due to the multipath phenomenon in which GNSS signals are reflected or blocked by the buildings. From the viewpoint of GNSS signal reception, the signal reception environment from a certain satellite can be categorized into the following three scenarios: only a line-of- sight (LOS) signal is received (that is, LOS-only), only a non-line-of-sight (NLOS) signal is received (that is, NLOS-only), and both LOS and NLOS signals are received (that is, LOS+NLOS). Because the large positioning error described above can occur in the NLOS-only and LOS+NLOS environments, it is necessary to detect such signal reception condition. There are numerous methods for detecting GNSS multipath signals including one that uses measurements such as signal strength and Doppler shift. There are also hardware-based methods such as array antennas and dual-polarized antenna, as well as methods that use 3D map and ray-tracing technique. Furthermore, in recent years, approaches to applying machine learning technique have been actively studied. In this study, we propose a machine learning-based GPS multipath detection method. We developed a machine learning classification model that outputs one of the three signal reception environments for an input of a received GPS signal. Support Vector Machine (SVM) was used as the machine learning classification algorithm, and various GPS measurements affected by the multipath environment were used as features of the machine learning model. We used the following three features: signal strength, rate of change of signal strength, satellite elevation. GPS data samples for training were collected at three locations, and data labeling was performed through ray-tracing simulation. Finally, the classification accuracy of the trained model was tested using a dataset that was not used for training.

Keywords: multipath detection, global positioning system, machine learning, support vector machine

Speaker 김상현 연세대학교