사물인터넷융복합논문지
- 권한신청
- P-ISSN2799-4791
- KCI
심층 인공신경망을 활용한 Smoothed RSSI 기반 거리 추정
Smoothed RSSI-Based Distance Estimation Using Deep Neural Network
이솔비 (한림대학교)
권정혁 (한림대학교)
김의직 (한림대학교)
초록
본 논문에서는 단일 수신기가 사용되는 환경에서 정확한 거리 추정을 위해 심층 인공신경망 (Deep Neural Network, DNN)을 활용한 Smoothed Received Signal Strength Indicator (RSSI) 기반 거리 추정 기법을 제안한다. 제안 기법은 거리 추정 정확도 향상을 위해 Data Splitting, 결측치 대치, Smoothing 단계로 구성된 전처리 과정을 수행하여 Smoothed RSSI 값을 도출한다. 도출된 다수의 Smoothed RSSI 값은 Multi-Input Single-Output (MISO) DNN 모델의 Input Data로 사용되며 Input Layer와 Hidden Layer를 통과하여 최종적으로 Output Layer 에서 추정 거리로 반환된다. 제안 기법의 우수성을 입증하기 위해 제안 기법과 선형회귀 기반 거리 추정 기법의 성능을비교하였다. 실험 결과, 제안 기법이 선형회귀 기반 거리 추정 기법 대비 29.09% 더 높은 거리 추정 정확도를 보였다.
- keywords
- Distance Estimation, BLE Beacon, DNN, Feedback Filter, Smoothed RSSI, 거리 추정, BLE 비콘, DNN, Feedback Filter, Smoothed RSSI
Abstract
In this paper, we propose a smoothed received signal strength indicator (RSSI)-based distance estimation using deep neural network (DNN) for accurate distance estimation in an environment where a single receiver is used. The proposed scheme performs a data preprocessing consisting of data splitting, missing value imputation, and smoothing steps to improve distance estimation accuracy, thereby deriving the smoothed RSSI values. The derived smoothed RSSI values are used as input data of the Multi-Input Single-Output (MISO) DNN model, and are finally returned as an estimated distance in the output layer through input layer and hidden layer. To verify the superiority of the proposed scheme, we compared the performance of the proposed scheme with that of the linear regression-based distance estimation scheme. As a result, the proposed scheme showed 29.09% higher distance estimation accuracy than the linear regression-based distance estimation scheme.
- keywords
- Distance Estimation, BLE Beacon, DNN, Feedback Filter, Smoothed RSSI, 거리 추정, BLE 비콘, DNN, Feedback Filter, Smoothed RSSI
- 다운로드 수
- 조회수
- 0KCI 피인용수
- 0WOS 피인용수