Mobile and pervasive computing applications require knowledge of the location of objects or persons in indoor environments in order to provide location-based or context-aware services, which have been receiving particular attention these days. Indoor navigation systems, location-based games, and site-specific services are examples of location-based services. In order to enable such location-based services, we need an indoor localization system. Global Positioning System (GPS) is a representative system covering almost the entire surface of the earth. However, in indoors and in urban canyons, the signal is not received or frequently disconnected. Consequently, many indoor localization technologies have been developed based on infrared, ultrasonic, GSM, pressure sensor, RFID, and Wi-Fi. Among these methods, Wi-Fi-based technologies have drawn special attention because the deployment cost can be drastically reduced by utilizing already existing Wi-Fi network infrastructures. There are two approaches for WLAN-based localization: fingerprinting and trilateration. The fingerprint-based approach is more accurate than trilateration, but it requires building a radio map (or a fingerprint database) for the target building. The performance of the fingerprinting-based location systems heavily depends on the radio map, but the raw radio map built by only human efforts is inaccurate and inefficient. However, recent location-based services require not only accurate indoor locations but also computational efficiency. Thus, optimization techniques have been developed such as interpolation, dimensionality reduction, and clustering to maximize accuracy and efficiency of a given raw radio map.
The work of this dissertation is three-fold. First, we propose a new interpolation technique for generating fin-gerprints to improve location accuracy. The technique estimates AP locations and then refines the model for each cell of the target area tessellated by a higher-order Voronoi diagram. This technique provides better per-formance in accuracy than other conventional interpolation techniques for scattered data such as Inverse Dis-tance Weighting (IDW) and Radial Basis Function (RBF). Second, we propose a dimensionality reduction tech-nique for reducing the computational cost of location determination using a nonlinear auto-encoder, which is a feed-forward artificial neural network. This technique reduces the number of features (or APs) in the radio map by projection of the high dimensional fingerprints in the lower dimensional space. This technique provides bet-ter performance than feature selection methods such as Information Gain (IG) and feature extraction methods such as Principal Component Analysis (PCA) do. Third, we propose an optimization process to combine indi-vidual optimization techniques such as interpolation, dimensionality reduction, and clustering. The process im-proves the accuracy of the raw radio map using interpolation by sacrificing the efficiency and then improves the efficiency of the interpolated radio map, while preserving the level of accuracy. It requires heavy computations in the offline stage and a larger storage size for storing the optimized radio map, but this process can improve both accuracy and efficiency simultaneously. Consequently, we can optimize the raw radio map to provide high accuracy and high efficiency by interconnecting the proposed interpolation, the dimensionality reduction, and a clustering technique according to the proposed optimization process.
본 박사 학위 논문이 작성되기까지 많은 분들의 도움이 있으셨고, 그 모든 분들께 진심으로 감사의 말씀을 전하고 싶습니다. 우선, 한동수 지도 교수님께서는 긴 학위과정 동안 학문적 조언을 통해 좀 더 완성도 있는 결과를 이끌어 내셨을 뿐만 아니라 정서적인 위로와 격려 또한 아끼지 않으셨습니다. 그리고 학위 논문 심사 위원 교수님들께도 감사 드립니다. 정진완 교수님은 논문의 핵심에 집중할 수 있도록 조언하셨고, 송준화 교수님은 학문의 전체적인 큰 그림을 볼 수 있는 눈을 키워주셨으며, 이준구 교수님은 논리적이고 날카로운 지적을 통해 논문의 문제점들을 보완할 수 있도록 조언 해주셨습니다. 그리고, 고인영 교수님께서는 다양한 관점에서의 학문적 조언뿐만 아니라 개인적인 응원을 해주셔서 힘을 많이 얻을 수 있었습니다.
5년반 동안의 긴 박사과정 기간을 함께 하면서 힘이 되어준 연구실 선후배들에게도 감사 드립니다. 시작부터 끝까지 거의 모든 기간을 함께 했던 박사 과정 동지들인 장우혁, 정석훈, 그리고 이춘오와는 격의 없이 연구에 대해 토론할 수 있었고 힘들거나 어려울 때 항상 곁에 함께 있어 주었습니다. 오히려 제가 연구실의 맏형 노릇을 제대로 했나 반성해봅니다. 남은 친구들도 곧 좋은 결과를 얻어 졸업할거라 믿습니다. 나중에 창업으로 대박 터트릴지도 모르는 임준성, 항상 밥 같이 먹어준 우직한 이상재, 랩에 들어 온지 얼마 안된 문병철, 랩에 합류할지 아직 불투명 하지만 많은 시간 함께 했던 이건우에게도 고맙다는 말을 전하고 싶습니다. 멀리서도 응원해 주시던 KTNET 민철홍 단장님에게도 감사의 말씀을 전합니다.
무엇보다도 가족들의 응원과 격려가 없었다면 긴 학위과정을 견디기 어려웠을 것입니다. 항상 아들을 믿고 잘 되기를 기도해주셨던 어머니와 아버지, 그리고 공부에 집중할 수 있도록 버팀목이 되어주었던 형과 누나. 박사 학위의 영광을 모두 가족들에게 돌립니다. 그 외에도 일일이 언급하지 못했지만 도움을 주시고 마음으로 응원해주신 모든 분들께 감사 드립니다.
