In urban areas, Global Navigation Satellite System (GNSS) radio signals sometimes arrive at receivers with distorted signals in a Non-Line of Sight (NLOS) signal environment. Measurements of the distorted satellite radio signals cause large positioning errors. In this paper, we propose techniques that show improved performance over the conventional positioning techniques using Deep learning technique in the urban areas where positioning performance is degraded sharply. First, we propose an algorithm for estimating pedestrian position using only LOS satellites constellation classified in RNN-based LOS classifier without GNSS positioning process in urban canyon where positioning error is expected to be worst. The proposed algorithm shows about 90% confidence ratio from the experimental results. This ratio can be used to determine whether a pedestrian on the road has crossed the road. The data from the proposed algorithm can be used as useful information to correct the conventional GNSS positioning results in urban canyons. In this study, in order to greatly improve the positioning performance of the conventional LTE fingerprinting technology, which used only the signal strength of LTE radio signals, we proposed a new LTE fingerprinting using multiple LTE measurements based on CNN, a deep learning model specialized for image processing. We built a database based on real data, collected measurements, and used the measurements for the proposed fingerprinting positioning technique. The proposed technique shows about 15m positioning error performance. we prove that our proposed technique is superior to the conventional fingerprinting technology that shows about 70m of positioning error and better positioning performance than GNSS positioning performance in urban area.
도시영역에서, Global Navigation Satellite System (GNSS)인공위성 무선신호는 간혹 Non-Line of Sight (NLOS)신호환경에서 신호가 왜곡되어 수신기에 도달한다. 왜곡된 인공위성 무선 신호의 측정치는 큰 측위 오차를 야기한다. 본 연구에서는 측위 성능이 급격히 떨어지는 도시영역에서 딥러닝을 사용하여 기존의 측위기술보다 향상된 성능을 보여주는 기술들을 제안한다. 첫번째로 측위 오차가 가장 클 것으로 예상되는 도시협곡에서, 위치 계산 과정없이 RNN 기반 LOS분류기로부터 분류된 LOS 인공위성 Constellation만을 이용하여 높은 건물 사이의 보행자 위치를 추정하는 알고리즘을 제안한다. 제안하는 알고리즘은 실제 실험결과로부터 약 90% 신뢰율 성능을 보여주었다. 제안하는 알고리즘에서 출력되는 추정데이터는 도시협곡에서 기존 인공위성 측위결과를 보정할 수 있는 유용한 정보로 활용될 수 있다. 그리고 본 연구는 LTE 무선신호의 신호세기만을 사용하는 기존 LTE 핑거프린팅 기술의 측위 성능을 높이기 위해, 다중의 측정치를 사용하고 이미지처리에 특화된 인공지능 신경망인 CNN모델을 사용해 GNSS 측위 성능보다 뛰어난 CNN 기반의 LTE 핑거프린팅 기술을 제안한다. 본 연구에서는 실데이터를 기반으로 데이터베이스를 구축하고 수집된 측정치를 제안하는 핑거프린팅 측위기술에 적용하여 약 15m의 측위오차 성능을 검증했다. 그리고 실제 실험을 통해 약 70m의 측위오차를 보이는 기존 핑거프린팅 기술보다 제안하는 기술이 월등히 뛰어나고 도심영역에서 GNSS 측위성능보다 더 좋은 측위성능을 갖는 기술임을 증명한다.
