선형 보간법을 활용한 이동체의 위치인식 기법

Ⅰ. 서 론

생활환경 변화를 주도하는 지능형 환경(Ambient intelligence) 기술은 다양한 분야에서 사물인터넷(IoT, Internet of Things)을 기반으로 인공지능, 나노기술, 센서 기술, 모바일 그리고 내장형 시스템 기술과 접목되어 유비쿼터스(Ubiquitous) 환경을 구현하고 있다[1]. 지능화된 서비스 환경에서 실시간으로 이동체의 위치정보를 인식하는 기술은 재해 예방, 교통·항공 분야, 지식 활동의 관리와 이동 그리고 생산 환경 등 다양한 분야에 활용되는 기술이다[2].

물리적 공간 내에서 이동체의 위치를 원격으로 연속적이면서 실시간으로 결정하는 실내·외 겸용 실시간 위치인식 기술인 RTLS(Real Time Location System)에는 ToA(Time of Arrival)방식, TDoA(Time Difference of Arrival)방식, AoA(Angle of Arrival)방식, PoA(Phase of Arrival)방식, 그리고 전파의 수신신호 강도 지수 특성을 이용하는 RSSI(Received Signal Strength Indication)방식이 있다.

BLE(Bluetooth Low Energy)기반 실내 위치측위 구성요소는 BLE비콘, BLE 센서로 BLE장치의 신호를 수집한다. BLE 방향 탐지는 RSSI기반의 다중 측위로 좌표를 추정하는 방식으로 구현된다. BLE 센서 기반은 다중경로 영향으로 정확도 향상에 한계가 있고, BLE 방향 탐지는 정확도는 있지만 안테나 배열방법에 따라 하드웨어 구성이 복잡하다. BLE 비콘은 다중 비콘 사용으로 정확도는 우수하지만 비콘의 배치 및 보정이 필요하다. 한정된 장소에서 위치인식 기술의 정확도는 중요한 요소이다[[3].

본 연구에서는 데이터베이스 구성으로 다양한 환경에 적용할 수 있고 시스템 구성이 간단한 위치추정 방법을 제안하였다. 측위 장소를 격자형 셀 형태로 구분하여 각 교점의 수신신호 강도 지수 특성 값을 데이터베이스화한다. 이동체의 전파 수신신호 강도 지수와 비교하여 이동체의 위치를 추정하는 방법이다. 다양한 환경에서 실시간 이동체의 위치추정을 빠르게 파악하고자 삼각법과 선형 보간법으로 성능을 개선시키는 위치인식 시스템을 구현하는 방법을 실험을 통하여 확인하고자 한다[4].

Ⅱ. 관련 기술

측위 범위 내 알고 있는 데이터 값들을 이용하여 이동체의 값을 추정하는 보간법에는 선형 보간법(Linear interpolation), 다항식 보간법(Polynomial interpolation), 스플라인 보간법(Spline interpolation)으로 구분할 수 있다[5].

2.1 선형 보간법

선형 보간법은 1차원 보간법으로 두 점의 값이 주어졌을 때 그 사이에 위치한 값을 추정하기 위하여 직선거리에 따라 선형적으로 계산하는 방법이다. 그림 1과 같이 두 끝점 (x₀, y₀)와 (x₁, y₁)가 주어져 있을 때 그 사이에 위치한 (x, y)의 값을 추정하기 위해 두 점 사이에 직선을 긋고 식 (1)과 같은 비례식을 구성한다.

$\[ \frac{y-y_0}{x-x_0}=\frac{y_1-y_0}{x_1-x_0} \]$

(1)

Fig. 1.

Linear interpolation method for position estimation

식 (1)을 풀면 주어진 값 x에 대한 y값을 식 (2)와 같이 구할 수 있다.

$\[ y=y_0+\left(y_1-y_0\right)\frac{x-x_0}{x_1-x_0} \]$

(2)

선형 보간법은 일차원 직선상에서 이루어지는 보간법이고 이차원으로 확장하여 평면에 적용한 것이 이중 선형 보간법 그리고 3차원으로 확장하여 입방체에 적용한 것이 삼중 선형 보간법이다.

Ⅲ. 위치인식 시스템 구성

본 연구에서 제안하는 위치인식 시스템은 RFID(Radio Frequency Identification) reader와 RFID 태그 그리고 데이터를 처리하는 서버 시스템으로 구성한다. 통신 프로토콜은 TCP/IP로 구성한다.

참고문헌[3]의 경우는 참고 태그를 사용하는 방법이다. 본 연구에서 제안하는 방법은 위치인식 시 수신신호 강도 지수(RSSI)를 측정하고 오차 보정 후 DB값과 비교하여 이동체의 위치를 추정한다.

3.1 RFID reader

RFID 리더는 SYRIS Technology사의 SYRD245–1N 제품으로 RSSI와 전송품질을 나타내는 LQI(Link Quality Indication) 신호를 인식하는 제품으로 사양은 표 1과 같다[7].

Table 1.

RFID reader specifications

3.2 RFID 태그

RFID 태그는 능동형 무선 송출 장치이다. 신호의 왜곡 또는 감쇄의 영향을 최소화하기 위하여 직진성 및 가시성이 강한 2.45GHz 마이크로파 대역의 주파수를 사용한다. 태그는 상태정보를 DSSS(Direct Sequence Spread Spectrum) 방식의 가변형 blink 신호를 송출한다. RFID tag는 SYRIS Technology사의 SYTAG245-2로 사양은 표 2와 같다[7].

Table 2.

RFID tag specifications

3.4 거리 단위 RSSI 측정 방법

거리 단위 RSSI 측정 실험은 표 3의 실험 환경 및 장비를 사용하여 그림 2의 거리 단위 측위도와 같이 RFID 리더를 지면으로부터 1m 높이로 설치한다. 1m 단위 거리에 대한 RSSI와 전송품질에 대한 LQI를 각각 5회씩 측정하여 평균값을 구한다.

Table 3.

Experimental environment and equipment

Fig. 2.

Distance positioning

3.5 Database 구축 방법

한 변이 20m인 정방형(x, y축)에 대하여 그림 3과 같이 1m 단위로 격자형 셀 형태로 표시하고 정방형 모서리에 RFID 리더 4대를 지면으로부터 1m 높이로 고정 설치한다. 위치 인식용 RFID 태그는 드론에 부착하여 교차점 위치인식 실험 시 사용한다. 실험의 순서는 다음과 같이 진행한다.

Fig. 3.

DB Construction experimental chart

① 그림 3에서 정방형 격자형 셀 좌표에 대해 x행과 y열을(x₀, x₁, ⋯x₂₀)과 (y₀, y₁, ⋯y₂₀)순으로 표시한다.

② RFID 리더의 위치 좌표는 1번 리더를 (x₀, y₀), 2번 리더를(x₂₀, y₀), 3번 리더를 (x₂₀, y₂₀), 4번 리더를(x₀, y₂₀)의 고정 위치로 표시한다.

③ x축 0행에서 20행까지, y축 0열에서 20열까지(RFID 리더의 위치를 제외하고) 정방형 격자형 셀 교차점(437개소)의 좌표를 표현하면

$\[ \left(x_1,y_0\right),\left(x_2,y_0\right),\cdots ,\left(x_{18},y_0\right),\left(x_{19},y_0\right),\cdots ,\left(x_0,y_{19}\right),\left(x_1,y_{19}\right),\cdots ,\left(x_{18},y_{18}\right),\left(x_{19},y_{19}\right) \]$

와 같이 표현된다.

④ RFID 태그를 지면으로부터 1m 높이로 하고 4대의 RFID 리더에서 각 격자형 교차점에 대한 RSSI신호를 각각 5회씩 측정한다.

⑤ 측정한 RSSI 신호를 평균하여 RFID 리더별로 DB화 한다.

Ⅳ. 실험 및 결과

4.1 거리 단위 RSSI 측정

거리 단위에 대한 수신신호 강도 지수 측정값의 평균을 구하면 표 4 및 표 5와 같고 RSSI 값의 측정치를 표시하면 그림 4와 같다.

Table 4.

Average measured RSSI/LQI 5 times per distance from RFID reader to 16m

Table 5.

Average of five RSSI/LQI measurements per distance from 17m to 28m

Fig. 4.

Comparison of RSSI value according to distance

표 4에서 LQI가 200 이상으로 수신신호 강도 지수가 우수함으로 RSSI의 신뢰도는 평균 87%이다. 전력손실 지수(η)의 값은 실내 가시 지역(Line of sight)은 1.6~1.8이고 실외 자유공간(Free space)은 2이며 계산값에서는 2로 적용한다[9].

수신신호의 RSSI 값을 공식으로 계산한 값과 거리 단위로 측정한 값을 비교하면 그림 5와 같다.

Fig. 5.

Changes in RSSI measurements and calculations

4.2 database 구축

정방형 격자점 좌표에 대해 4대의 RFID 태그에서 발신하는 RSSI 값을 4대의 RFID 리더에서 5회 측정 후 평균한 DB 값을 표시하면 표 6과 같다.

Table 6.

RSSI DB values measured at the intersection

4.3 이동체의 위치인식 실험

그림 6과 같이 드론에 RFID 태그를 부착하고 RFID 리더 1번에서 3번 쪽으로 이동하는 경우에 대해 교차점에서 RSSI 신호를 5회 측정하여 평균값을 구한다. RFID 태그 부착 드론이 지정 교차점에서 RSSI 값을 측정한 결과는 표 7과 같다.

Fig. 6.

Mounting a tag on a drone

Table 7.

Average RSSI of 5 measurements of a drone with a tag

RFID 태그 부착 드론이 교차점에서 측정한 RSSI 값과 DB값을 비교 표시하면 그림 7과 같다.

Fig. 7.

Comparison of DB values and RSSI values of mobile drones

교차점의 DB값과 표 7에 표시된 이동체의 위치인식으로 측정된 RSSI 값을 그림 8에서와 같이 각 교차점을 기준으로 각각 비교하면 이동체의 진행 방향인 y축에 대해 최대 1.3m 최소 0.8m의 오차가 발생하였다.

Fig. 8.

Error in measured value versus DB value

x축에 대해서는 이동체의 진행 방향 기준으로 최대 1.1m 최소 0.3m의 오차가 발생하였다.

4.4 성능개선 결과

성능개선을 위한 오차보정 방법은 표 7의 4대의 RFID 리더에서 측정된 RSSI 값을 다음과 같이 처리한다.

첫째, 수신신호 강도 지수가 큰 값 순으로 3개의 값에 대하여 그림 9와 같이 거리 계산 식을 이용하여 세 개의 거리를 각각 계산 후 삼각법으로 이동체의 위치를 추정한다.

Fig. 9.

Position estimation trigonometry

둘째, RSSI 신호 값이 작은 순으로 3개를 위의 방법으로 삼각법으로 계산한다.

셋째, 위의 두 가지 삼각법으로 구한 두 끝점의 위치를 이용하여 선형 보간법으로 이동체의 측정 위치를 추정한다.

성능개선 오차 보정 후 RFID 태그의 측정 위치와 DB 값의 위치 그리고 오차보정 후 태그의 위치를 비교하면 그림 10과 같다.

Fig. 10.

Error-corrected value compared to measured value

오차 보정은 y축에 대하여 최소 0.07m, 최대 0.23m, x축에 대해서는 최소 0.05m, 최대 0.22m로 평균 0.16m의 성능이 개선되는 것으로 나타났다.

RFID 리더와 태그 사이를 단위 미터 거리로 환산하면 16%가 개선되는 결과를 보였다. 이 결과는 일반적인 삼각법을 적용하여 위치를 추정하는 방법보다 정확도가 높다는 것을 보여준다.

Ⅴ. 결 론

지능형 환경에서 위치인식 기술은 공간환경을 구성하는 주요한 기술 중 하나이다. 전파의 수신신호 세기 값은 실내나 실외 구분 없이 거리에 따라 변하는 특성을 이용하여 이동체의 위치를 추정하는 방법이다.

본 연구에서는 측위 환경에 상관없이 사용할 수 있도록 거리 단위의 RSSI 값을 측정하고 측정 범위를 격자형 셀 형태로 구분하였다. 구분한 격자형 셀의 각 교차점에 대하여 RFID 리더 별로 RSSI 값을 DB화 하여 이동체의 위치를 추정하는 방법을 제안하였다. 그리고 위치인식 오차를 줄이는 방법으로 두 번의 삼각법을 적용하여 교점 좌표를 선형 보간법으로 성능을 개선 시키는 방법을 제안하였다.

본 논문은 기존의 위치인식에서 참고 태그를 사용해야 하는 방법과 다르게 위치인식 환경이 변할경우에도 활용할 수 있도록 거리 단위 측정값과 삼각법을 이용하여 측정 범위의 각 교점 좌표를 DB화 하여 시스템 구성을 단순화시켰다.

실험을 통해, DB 구축과 오차 보정 방법 적용 시 16%의 오차를 줄이는 결과를 확인하였다.

본 연구 결과로 제안한 방법은 위치인식 오차 보정을 통해 성능을 개선 시키는 방법이며, 다양한 환경에서 활용될 수 있을 것이다.

References

• D. Macagnano, G. Destino, and G. Abreu, "Indoor Positioning: a Key Enabling Technology for IoT Applications", IEEE World Forum on Internet of Things (WF-IoT), 2014. [https://doi.org/10.1109/WF-IoT.2014.6803131]
• H. W. Choi, "Indoor location estimation system using bluetooth low energy beacon landmark", MS Thesis, Korea Univ., 2016.
• B.-Y. Kim and D.-S. Ko, "Implementation of RSSI-based RTLS for Improvement of Location Awareness Performance in Underground Space", Journal of KIIT, Vol. 17, No. 8, pp. 85-91. Aug. 2019. [https://doi.org/10.14801/jkiit.2019.17.8.85]
• M. Shin, "Performance Improvement of -based Indoor Localization Technology with IEEE 802.15.4 under IEEE 802.11b Interference", Dept. of Electronics and Computer Engineering, Ph.D. dissertation, Hanyang University, 2016. https://docviewer.nanet.go.kr/reader/viewer, .
• S. C. Chapra and R. P. Canale, "Numerical methods for engineers" 6th, McGraw-Hill, 2012.
• J. Kim, H. Kim, J. Kim, S. Lee, and D. Soo, "An indoor localization approach using and LQI based on IEEE 802.15.4", Korean Society of Marine Engineering, Vol. 38, No. 1, pp. 92-98, Dec. 2013. http://dx.org/10.5916/jkosme.2014.38.1.92. [https://doi.org/10.5916/jkosme.2014.38.1.92]
• www.syris.com, . [accessed: Jan. 15. 2026]
• J. Hightower and G. Borriello, "Location Sensing Techniques", IEEE Computer, Vol. 34, No. 8, pp. 57-66, Aug. 2001. [https://doi.org/10.1109/2.940014]
• N.-W. Park and J.-K. Choe, "A Study on Location Estimation for Unmanned Carrier", Journal of KIIT, Vol. 17, No. 4, pp. 37-42. Apr. 2019. [https://doi.org/10.14801/jkiit.2019.17.4.37]