본 논문은 실내 위치 측위를 위한 딥러닝 기반의 추정 기법을 발표한다. 대부분의 건물에는 무선 와이파이 공유기들이 다 수 설치되어 있어 이를 활용한 다양한 위치 측위 연구들이 활발히 진행되고 있다. 본 논문은 실내에서 와이파이 공유기에 서 송신되는 와이파이 신호 세기 Received Signal Strength Indication (RSSI), Basic Service Set Identifier (BSSID)를 수집하 고 와이파이 지문 데이터베이스를 구성하여 모바일 기기를 이용하는 사용자의 위치를 추정하는 방법을 제안한다. 정확도 향상을 위한 와이파이 신호 세기 지문 데이터 전처리 작업은 오토엔코더를 이용하고, 위치 추정은 딥 뉴럴 네트워크를 이 용하였다. 알고리즘 검증을 위해 대학의 복층 건물에서 실험 데이터를 수집하였고 위치 측위 성능을 검증하였다.

Indoor Positioning Based on Deep Learning and Wi-Fi Fingerprint Measurement

Yoon-Hee Jo, Dong-Gyu Lee, Jae-Hyun Yoo*

Indoor location information is useful for convenience and safety of pedestrian. In most of buildings, a number of wireless Wi-Fi routers are equipped. By using Wi-Fi fingerprint measurement, many various indoor location awareness studies have been conducted. This paper proposes deep learning based indoor localization. As a preprocessing for Wi-Fi fingerprint data, an autoencoder is employed, and a positioning algorithm is made by a deep artificial neural network. For the experiment, we collect fingerprint data from a multi-story building in our university and evaluate the proposed method.

Speaker 조윤희 한경대학교