Abstract
Research on the technique for estimating the indoor position has been actively carried out. In particular, the WiFi fingerprint method, which does not require any additional infrastructure, is being partially used because of its high economic efficiency. The KNN method which estimates similar points to the corresponding points by comparing intensity information of the WLAN reception signal measured at various points in advance with intensity information measured at a specific point in the future is simple but has a good performance. However, in the conventional KNN scheme, since the number K of average candidate positions is constant, there is a problem that the position estimation error is not optimized according to a specific point. In this paper, we proposed an algorithm that adaptively changes the K value for each point and applied it to experimental data and evaluated its performance.
실내에서의 위치를 추정하기 위한 기술 연구가 활발하게 진행되고 있다. 특히 추가적인 기반 시설을 필요로 하지 않는 WiFi fingerprint 방식은 경제성이 높아서 부분적으로 실용화되고 있다. 사전에 여러 지점에서 측정된 무선랜 수신 신호의 세기 정보와 추후에 특정 지점에서 측정된 세기 정보를 비교하여 유사한 지점을 해당 지점으로 추정하는 KNN 방식은 간단하지만 성능이 좋다. 그러나 기존의 KNN 방식은 평균하는 후보 위치들의 개수 K가 일정하므로, 특정 지점에 따라 위치 추정 오차가 최적화되지 못하는 문제가 있다. 본 논문에서는 특정 지점마다 K 값을 적응적으로 변화시키는 KNN 방식에서 평균 범위를 설정하는 알고리즘을 제안하고 실험 데이터에 적용하여 그 성능을 평가하였다.