자율 주행 자동차, 도심 항공 모빌리티 등의 미래형 교통수단이 발달함에 따라, 정밀한 위치, 항법, 시각 정보를 제공해주는 Global Navigation Satellite System (GNSS)의 중요성이 함께 커 지고 있다. 그러나 장애물에 의해 반사된 non-line-of-sight (NLOS) 신호가 많이 수신되는 환경의 경우, 수백 미터 이상의 위치 오차가 발생하기도 하기 때문에 NLOS 신호를 탐지하고 제 거하기 위한 다양한 연구들이 진행된 바 있다. 최근에는 딥러닝 아키텍처를 적용하여 GNSS 신호의 line-of-sight (LOS), NLOS 여부를 분류하는 기법들이 떠오르고 있다. 이러한 신호 수 신 환경 분류 딥러닝 모델을 개발하기 위해서는 GNSS 신호의 수신 환경 참값 (ground truth) 정보가 라벨링(labeling)된 충분한 학습 데이터셋 확보가 필수적이나, 기존 연구에서는 특수한 카메라가 필요하거나 높은 계산량이 요구된다는 점에서 한계가 있었다. 따라서 본 연구에서는 zonotope으로 표현된 3D 도시 모델을 기반으로 GNSS 신호의 shadow 계산을 통해 효율적 으로 신호의 수신 환경 참값을 획득할 수 있는 기법을 제안한다. 다중경로 환경에서 수집된 GPS 실측 신호를 이용하여 LOS/NLOS 판별 테스트를 진행하였으며, 상용 ray-tracing 소프트 웨어를 통해 얻은 결과와의 비교를 통해, 해당 신호의 수신 환경 참값이 잘 판별되었음을 검증하였다.

LOS/NLOS Identification of GNSS Signals Using a 3D City Model Represented as Zonotopes

Sanghyun Kim, Jiwon Seo*

In the context of advancing transportation technologies, such as autonomous vehicles and urban air mobility, the significance of Global Navigation Satellite Systems (GNSS) has been steadily increasing. In urban areas characterized by dense high-rise structures, signal reflection or obstruction by these structures results in substantial positioning inaccuracies, sometimes spanning hundreds of meters. Numerous research efforts are dedicated to improving positioning accuracy by detecting and eliminating non-line-of-sight (NLOS) signals through the application of deep learning techniques. The development of an effective deep learning model for classifying signal reception conditions necessitates the availability of a substantial training dataset with ground truth information. While previous methods relied on specialized cameras or computationally intensive procedures to obtain the true signal reception conditions for labeling the training data, our approach introduces an efficient methodology that leverages GNSS shadow calculations based on a 3D city model represented by zonotopes. This approach enables the rapid determination of whether line-of-sight (LOS) or NLOS signals are received at the receiver's location. To validate the effectiveness of our algorithm, we conducted experiments using GPS signals in a multipath environment, comparing its performance to that of commercial ray-tracing software.

Keywords: GNSS, multipath, LOS/NLOS, zonotope

Speaker 김상현 연세대학교