다중경로 오차 (Multipath error)는 무선 항법 시스템에서 위치 오차의 주요 원인 중 하나로, 신호가 다양한 물체와 구조물에서 반사되어 발생한다. 특히 고층 빌딩과 구조물이 밀집한 도심 협곡 환경에서는 Multipath error로 인해 GNSS 신호가 차단되거나 품질이 저하되어 수백 미터의 위치 오차가 발생할 수 있다. 이러한 문제를 해결하기 위해 본 연구는 도심 환경에서의 GNSS 신호를 대상으로, 기계 학습 기반의 Multipath error 신호 감지 및 분 류 방법을 제안한다. 모든 반사 신호를 정확하게 모델링하기 어려운 점을 고려하여, 인공지능 신경망이 반사 신호의 특징을 학습하도록 한다. 본 연구에서는 Multipath error를 완화하기 위해 신호의 pseudorange 측정치에 Time-Frequency Analysis 기법을 적용하여 인공지능 신경망을 학습시키고, 학습된 신경망은 Multipath 신호의 특징을 파악하고 분류한다. 도심 환경에서는 반사된 신호로 인해 GNSS 신호가 nonstationary한 행동을 나타낸다. 본 연구에서는 이러한 신호를 처리하기 위해 Short-Time Fourier Transform (STFT) 시간-주파수 분석 기법을 사용하였다. Time-Frequency Analysis는 시간이 지남에 따라 신호의 주파수 내용이 어떻게 변하는지 이해하기 위해 사용되는 신호 처리 기법으로, 신호의 시간 및 주파수 특성을 동시에 분석할 수 있게 해준다. 각 변환으로 생성된 magnitude는 Multipath error 특성을 학습하는 데 활용된다. 신경망은 GPS, BeiDou, Galileo, QZSS 신호를 학습 하고, 각 epoch에서 특정 위성 신호의 pseudorange 측정치를 ‘LOS’ 신호인지 ‘NLOS’ 신호인지 분류한다. 이후, ‘NLOS’ 신호에 가중치를 적용하여 위치 결정을 수행함으로써 정확도를 향상시켰다. GNSS 신호 데이터는 서울 테헤란로 현대백화점 앞에서 정적으로 수집되었으며, 제안된 시스템을 적용하여 위치 결정 정확도의 향상을 확인했다.

Time-Frequency Characteristics and Artificial Neural Network-Based Mitigation Technique for GNSS Multipath Errors in Urban Areas

Min-Ji Kim, Yongjun Lee, Byungwoon Park, O-Jong Kim*

Multipath error is one of the primary causes of positioning errors in wireless navigation systems, occurring when signals are reflected off various objects and structures. This issue is particularly prevalent in urban canyon environments where tall buildings and structures are densely packed, leading to GNSS signals being blocked or degraded, which can result in positioning errors of several hundred meters. To address this problem, this study proposes a machine learning-based method for detecting and classifying multipath error signals in urban environments. Recognizing the difficulty in accurately modeling all reflected signals, the proposed approach leverages artificial neural networks to learn the characteristics of reflected signals. In this study, to mitigate multipath error, Time-Frequency Analysis techniques are applied to the pseudorange measurements of the signal, training the neural network to identify and classify the characteristics of multipath signals. In urban environments, GNSS signals exhibit nonstationary behavior due to reflected signals. To handle these signals, the Short-Time Fourier Transform (STFT) time-frequency analysis technique is employed. Time-Frequency Analysis is a signal processing method used to understand how the frequency content of a signal changes over time, enabling simultaneous analysis of both the temporal and frequency characteristics of the signal. The magnitude produced by each transformation is utilized to learn the characteristics of multipath error. The neural network is trained on GPS, BeiDou, Galileo, and QZSS signals, and during each epoch, it classifies the pseudorange measurements of specific satellite signals as either 'LOS' (Line-of-Sight) or 'NLOS' (Non-Line-of-Sight) signals. By applying weights to the 'NLOS' signals during positioning, the system improves the accuracy of position determination. GNSS signal data was statically collected in front of the Hyundai Department Store on Teheran-ro in Seoul, and the application of the proposed system demonstrated improvements in positioning accuracy.

Keywords: GNSS, multipath, neural network, time-frequency analysis

Speaker 김민지 세종대학교