Although WiFi ngerprint based localization can achieve better accuracy than triangulation, it still
su ers from accuracy
uctuation problem. As a result, many ltering techniques have been developed
to mitigate the
uctuation of localization accuracy mainly focused on the post-processing stage of a
localization engine. Kalman lter, delay lter, map matching are such ltering techniques adopted and
used in both indoor and outdoor environments. However little work has been found for the pre-processing
stage of a localization engine. But in fact the pre-processing such as imputing missing signals of a captured
WiFi ngerprint can bring us as much e ect as we can get through post processing performed by location
lters.
In WiFi ngerprint based localization, a WiFi radio map (WRM) is constructed in advance and
then a location for a captured WiFi ngerprint is estimated based on the WRM. Since we usually
collect WiFi ngerprints many times at a location, and then compute their average WiFi ngerprint
for the construction of WRM, almost all of the WiFi signals accessible at the location are included in
the constructed WRM. On the other hand, a WiFi ngerprint captured at a location in online phase for
localization inevitably has missing WiFi signals because it is obtained by scanning WiFi signals just once
or twice. Thus, if we estimate a location with the captured ngerprint without padding or imputation
of the missing signal, we cannot expect to achieve high localization accuracy.
In this paper we propose a technique to enhance the accuracy of WiFi- ngerprint based localization
by imputing missing signals of WiFi ngerprints. There can be many di erent ways of imputing or
handling missing signals. For example, we can use a prede ned value instead for missing signals or we
can even disregard the missing signals for localization. In this paper we develop two techniques for this;
one is to impute missing signals by referring to the WRM ngerprint at the very previous location,
another is referring to the WRM ngerprint obtained by predicting the next location. Both of the
techniques are equivalent in that they use WRM information and historic location information.
When we measured the accuracy of localization at an E-Mart, Seoul, Korea and a KAIST Library,
Daejeon, Korea with and without signal imputation, the imputed signal revealed to show around 30%
better accuracy improvement than the signals without imputation. In addition, the imputation methods
using WRM information showed much better than using a xed value for missing signals. This indicates
that the missing signal imputation which was overlooked for the improvement of localization accuracy
should be incorporated with other ltering techniques to develop a more reliable and accurate localization
engine.
위치 기반 서비스는 실내외를 아우르는 측위 기술이 필수적이다. 실외 환경에서 GPS는 측위정확도에 문제없이 적용가능하지만 실내환경에서는 신호가 잡히지 않는 문제로 활용하기 힘들다. 따라서 적외선, 초음파, RFID, Wi-Fi 등의 기술을 이용한 실내 측위법들이 고안되어 왔다. 그 중 WiFi 기반 기술들은 기존 설치된 AP 인프라들을 그대로 이용할 수 있고, 보편화된 대부분의 모바일 단말기가 WiFi 기능이 포함되어 있기 때문에 기존 자원을 효율적으로 이용할 수 있는 큰 장점으로 많은 주목을 받았다. WiFi 기반 측위 기술은 크게 핑거프린트(fingerprint) 기반과 삼각측량(triangulation) 기술로 나뉘는데, 핑거프린트 기반 기술이 일반적으로 삼각측량 기법에 비해 높은 정확도를 제공하지만 아직 측위정확도 문제에 있어 불안정한 면을 보이고 있다. 이러한 점을 극복하여 위치 판정이 정확하면서도 안정적인 측위 결과를 제공하기 위해 신호 전처리로서 손실 신호(missing signal)의 대체 기법(imputation)을 제안 하였다.
본 논문의 주요한 의미는 다음과 같다. 첫째, 기존 신호 전처리 방식의 수신 오류 보정 방식과는 다른 새로운 접근으로 잡히지 않은 신호를 대체할 방법(imputation)을 제안한다. 제안된 대체법은 기존의 신호 전처리 (e.g., MAF) 방식이 오류 신호를 없애거나 보정하는 방식과는 달리 WiFi 신호의 간헐적으로 전혀 잡히지않는 신호를 추정하여 채워 넣는 방식이다. 즉, 제안된 대체법을 활용하면 수신된 AP신호들 중 잡히지 않은 신호들이 채워져, 장소를 판정하는데 필요한 정보를 더 생성하도록 하여 높은 정확도를 제공 할 수 있도록 한다. 둘째, 이러한 신호대체방법으로서 각 신호의 변화를 추적해가며 손실 신호를 채워넣는 방식이 아닌 이미 잘 정제된 데이터인 라디오맵을 활용함으로서 그 효과를 더 크게 보일 수 있음을 확인하였다. 이는 기존에 쓰이던 보외법(extrapolation)보다 더 좋은 대체 기법임을 확인 한 것 이다. 셋째, 제안한 방식은 비록 $k$-NN방식으로 비교되었지만, 기존의 다양한 형식 일치기법 (e.g., SVM, NN) 기법과도 어렵지 않게 적용가능하며 결과적으로 제안된 대체 기법을 통해서 정확하고 안정적인 측위결과를 얻는 것이 가능하다.
