Many indoor navigation systems utilize Wi-Fi signals, as well as a variety of inertial sensors, such as a 3D accelerometer, digital compass, gyroscope, and barometer, to improve the accuracy of user location tracking. The inertial sensors are vulnerable to changes in the surrounding environments and sensitive to users’ behavior, but little research has been conducted on sensor fusion under these conditions. A dynamic sensor fusion framework (DSFF) is proposed in this dissertation that provides accurate user tracking results by dynamically calibrating inertial sensor readings in a sensor fusion process. The proposed method continually learns the errors and biases of each sensor due to the changes in user behavior patterns and surrounding environments. The learned patterns are then dynamically applied to the user tracking process to yield accurate results. The results of experiments conducted in both a single-story and a multi-story building confirm that DSFF provides accurate tracking results. The scalability of the DSFF will enable it to provide more accurate tracking results with various sensors, both existing and under development.
많은 실내 내비게이션 시스템은 Wi-Fi 신호뿐만 아니라 3D 가속도계, 디지털 나침반, 자이로스코프 및 기압계와 같은 다양한 관성 센서를 사용하여 사용자 위치 추적의 정확성을 향상시킨다. 관성 센서는 주변 환경의 변화에 취약하고 사용자의 행동에 민감하지만, 이러한 조건에서 센서 융합에 대한 연구는 거의 이루어지지 않았다. 본 논문에서는 센서 융합 과정에서 관성 센서 판독 값을 동적으로 교정하여 정확한 사용자 추적 결과를 제공하는 동적 센서 융합 프레임 워크 (DSFF)를 제안한다. 제안하는 방법은 사용자 행동 패턴 및 주변 환경의 변화로 인한 각 센서의 바이어스 및 오류를 지속적으로 학습하고, 학습된 패턴을 사용자 추적 프로세스에 동적으로 적용하여 정확한 결과를 산출한다. 단층 및 다층 건물에서 수행 된 실험 결과는 DSFF가 정확한 추적 결과를 제공할 수 있음을 확인시켜 주었으며, 확장성을 내포하여 다양한 센서를 활용하여 더 정확한 추적 결과를 제공할 수 있도록 하였다.
