UWB 내장형 차량용 키를 위한 랜덤 포레스트 기반 고정밀 측위 알고리즘 (Random Forest Based Precise Localization Algorithm for UWB-Embedded Car Keys)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 46권 / 12호 / 2310 ~ 2318페이지
· 저자명 : 이상진, 박지웅, 고영배

초록

본 논문은 UWB 내장형 차량용 키의 LOS/NLOS 상태를 Random Forest 모델을 통해 구분함으로써 키의 정확한 위치를 추정하는 새로운 알고리즘을 제안한다. 기존의 오차보정에 관한 연구에서는 LOS 환경에서 수집된 데이터를 분석하여 NLOS 환경으로 진입하였을 때 물체의 위치를 예측하는 방법을 활용한다. 하지만 차량 환경에서는초기 데이터 수집이 어려운 상황에서 고정밀 측위가 요구되기 떄문에 기존 알고리즘을 적용하기에는 부적합하다.
본 논문에서는 UWB 센서를 통해 실시간으로 측정된 거리정보를 랜덤 포레스트 기계학습 모델 기반으로 학습하여 NLOS 환경 여부를 구분하고 각 센서에서 측정된 거리정보의 신뢰성을 기반으로 오차를 보정하는 기법을 제안하였다. 실험 결과, 제안기법은 94.6%의 높은 정확도를 나타내었고 측위 오차 측면에서 기존 오차 보정 알고리즘인 Kalman-Filter와 비교하여 매우 우수한 성능을 보였다.

영어초록

This paper proposes a novel localization algorithm for a UWB-embedded car key, by which its LOS(Line-of-Sight) or NLOS(Non-Line-of-Sight) condition can be identified based on the Random Forest model and hence its location can be precisely estimated. Most of existing studies utilize the method of analyzing data collected in the LOS environment and predicting the position of objects when they enter the NLOS environment. However, they do not work well in the cases of vehicular environments because it is not easy to collect those data. In this paper, we presented an algorithm to correct errors based on the reliability of measured distance information in each sensor by distinguishing the NLOS environment through the Random Forest model using distance information measured in real-time. According to the experimental results, the proposed algorithm have showed a high accuracy of 94.6% and very good perfomance in terms of localization error, compared to the well-known error correction algorithm, Kalman-Filter.

참고자료

· 없음