다중경로는 전파 항법 시스템에서 위치오차를 유발하는 대표적인 원인이며, 이는 다양한 물체와 구조에서 신호가 반사되어 발생한다. 본 연구에서는 실내 환경의 단일 송신 모듈 기반 위치 결정 시스 템에서 기계학습을 사용한 반송파 위상 측정치의 다중 경로를 탐지 및 완화하는 새로운 접근법을 제시한다. 단일 송신 모듈 기반 위치결정 시스템은 송신기가 생성한 다중 채널 신호를 안테나 배열을 통해 송출한다. 또한 단일 송신 모듈 사용시의 기하학적 제약을 고려하여 잡음의 최소화를 위해 반송파 위상 측정치를 사용한다. 위치결정 정확도에 큰 영향을 미치는 다중경로오차는 실내 환경에서 매우 빈번하게 발생하기 때문에 반사된 모든 신호를 정확하게 모델링하여 탐지하는 것이 불가능하다. 본 연구에서는 기계학습을 적용하여 반사된 신호의 특징을 학습하고 검출할 수 있는 신경망 모델 을 사용한 다중경로 완화 방법을 고안하였다. 반송파 위상 측정치는 Short-Time Fourier Transform (STFT)로 전 처리되며, 변환된 데이터는 신경망이 오염된 신호의 특징을 학습할 수 있도록 라벨링된 다. 복잡한 실내 환경에서 단일 송신모듈 기반 위치결정 시스템을 구축하여 실험을 진행하였으며, 실험 결과 신경망기반 다중경로 신호 탐지를 수행했을 때 위치결정 오차가 30% 이상 감소한 것을 확 인하였다.

Enhancing Indoor Positioning Accuracy Through Neural Network-based Multipath Mitigation Technique

Min-Ji Kim, Changdon Kee, O-Jong Kim*

Multipath is a prominent cause of positioning errors in radio navigation systems, resulting from signal reflections off various objects and structures. In this study, we propose a new approach to detect and mitigate multipath effects of carrier-phase measurements in a single transmitter-based indoor positioning system using machine learning. A single transmitter-based positioning system transmits a multi-channel signal generated by the transmitter through an antenna array. Moreover, it utilizes carrier-phase measurements to minimize noise, considering geometric constraints when employing a single transmitter module. Multipath, which significantly impacts positioning accuracy, occurs frequently in indoor environments, making it impossible to accurately model all reflected signals for detection. In this study, we have devised a multipath mitigation method using a neural network model that can learn and detect the characteristics of reflected signals through machine learning. Carrier-phase measurements are conducted using Short-Time Fourier Transform (STFT) for time-frequency analysis, and the acquired time-series data are labeled to enable the neural network to learn the features of signals heavily affected by multipath. Experimental trials were conducted in complex indoor environments with a single transmitter-based positioning system. The results showed that when performing multipath signal detection using the neural network, positioning errors reduced by more than 30%.
Keywords: indoor positioning, multipath mitigation, machine learning, neural network

Speaker 김민지 세종대학교