Global Positioning System (GPS) 위성 신호를 사용할 수 없는 실내 환경에서 스마트 기기의 관성 센서를 활용하여 위치를 추정하는 Pedestrian Dead Reckoning (PDR) 기술이 연구되어지고 있다. 관성 센서에서 측정된 신호에서 걸음 검출과 보폭 거리 계산은 PDR 기술의 중요 요소로, 사용자의 다양한 행동에 따라 직접적인 영향을 받는다. 걸음 이외의 다양한 형태의 움직임은 걸음 검출 단계에서 미검출 또는 오검출이 발생하게 되어 추정된 위치 정보에 큰 오차를 포함하게 된다. 따라서 본 논문에서는 걸음에 대한 신호와 움직임이 발생하지 않는 비보행 신호를 다양한 학습 기반 모델로 비교하여 PDR의 성능을 향상 시키는 기법을 제안한다. 먼저 가속도 신호와 자이로 신호의 특성을 추출하여 학습 모델에 입력한다. 본 연구에서는 학습 기반 모델로 Artificial Neural Network (ANN), Deep Neural Network (DNN), Decision Tree (DT)를 선정하였으며, 보행/비보행 움직임이 포함된 데이터를 분류하여 각 학습 모델의 성능을 비교 분석하였다. 실데이터 기반으로 실험을 진행한 결과 DNN이 학습된 모델을 PDR에 적 용하여 위치 정확도의 성능이 우수하게 나타나는 것을 검증하였다.

A Learning Model for Waling/Non-Walking Signal Classification to Improve the Accuracy of Hand-held PDR

Eui Yeon Cho, Jae Uk Kwon, Seong Yun Cho*

Pedestrian Dead Reckoning (PDR) technology is being studied to estimate the location using inertial sensors of smart devices in indoor environments where Global Positioning System (GPS) signal is not available. Step detection and stride length calculation are important in PDR technology, which are directly affected by various behaviors of users. Due to various types of movement other than walking, non- detection or false detection problems occur in the step detection stage, which causes large errors in location estimation. Therefore, in this paper, we propose a technique to improve the performance of PDR by comparing signals for walking and non-walking signals into various learning-based models. First, the characteristics of the acceleration signal and gyro signal are extracted and input into the learning model. In this study, Artificial Neural Network (ANN), Deep Neural Network (DNN), and Decision Tree (DT) are selected as learning-based models, and the performance of each learning model is compared and analyzed by classifying data including walking/non-walking movements. As a result of the experiment, it is verified that the performance of location accuracy is excellent by applying the learned model to PDR.

Keywords: PDR, indoor positioning, deep learning, walking pattern

Speaker 조의연 경일대학교