UWB 내장형 차량용 키를 위한 랜덤 포레스트 기반 고정밀 측위 알고리즘

Abstract

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. <br>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.