긴급구조 상황에서 요구조자의 정확한 위치정보는 안정적인 구조 활동을 위해 반드시 필요하다. 현재 긴급구조상황 위치 추정시스템은 요구조자의 위치를 이동통신 기지국 신호, 와이파이 신호, 및 GPS 신호를 사용하여 추정한다. 그러나 GPS 음영지역을 포함한 도심지역에서 요구조자의 위치를 정확하게 추정하는 것은 쉽지 않다. 본 논문은 이러한 한계를 보완하기 위해 LTE Reference Signal Received Power (RSRP) 정보를 기반으로 위치추정 Fingerprinting을 위한 DB를 구축하는 것을 목적으로 한다. 먼저 기지국을 기준으로 가상의 그리드 맵을 생성하고, Inverse Distance Weighting (IDW)를 활용하여 서비스 지역 환경에서 실측한 데이터 기반으로 DB를 구축한다. 그러나 만약 수집된 위치기반 신호 정보가 공간적으로 제한적이라면, DB상의 미수집 지역에서는 공백이 발생하게 된다. 따라서 본 논문에서는 Deep Neural Network (DNN)기반 신호 전파 모델을 생성하여 DB Gap Filling을 수행하는 기법을 제안한다. 제안된 기법에 의해 미수집된 지역에서도 위치추정을 할 수 있게 되며 기존의 신호전파모델보다 향상된 성능을 확인할 수 있다. 제안된 기법의 성능은 실데이터 기반의 실험분석을 통해 검증한다.

LTE Signal Propagation Modeling for Fingerprint DB Generation in Uncollected Area

Jae Uk Kwon, Seong Yun Cho*

The exact location information of the requester in the emergency rescue phase is essential for stable rescue activities. Currently, the emergency rescue positioning system estimates the location of demand testers using mobile communication base station signals, Wi-Fi signals, and GPS signals. However, it is not easy to accurately estimate the location of the requester in urban areas, including GPS shaded areas. To make up for these limitations, this paper aims to build a DB for location estimation Fingerprinting based on the Reference Signal Received Power (RSRP) information of LTE. First, a virtual grid map is created based on the base station, and the DB is built based on the measured data in the service area environment by utilizing Inverse Distance Weighted (IDW). If the collected location-based signal information is spatially limited, gaps will occur in uncollected areas of the DB. It is difficult to fully reflect the RSRP signal characteristics for each measurement because the typical signal propagation model used for DB Gap Filling is the principle of estimating location signal information by generating reception signal strength information for base stations for all measurements. Therefore, in this paper, DB Gap Filling is carried out by creating a Deep Neural Network (DNN) based signal propagation model. First, the measured data shall be used to obtain the distance and direction information of the area based on the location of the base station receiver and to construct the DNN. If the RSRP signal is output for the distance and direction input of the measurements obtained earlier, perform a Back Propagation (BP) to compensate for the error by comparing it with the correct data. After that, Fingerprint DB Gap Filling is carried out in unacquired areas using Deep learning-based signaling model generated through repetitive learning. Therefore, location estimates can be made even in areas not collected by the proposed technique and relatively improved performance can be seen over existing signal propagation models. The performance of the proposed technique is verified through an experimental analysis based on real data.

Speaker 권재욱 경일대학교