[go: up one dir, main page]

KR102666053B1 - 측위 장치 및 방법 - Google Patents

측위 장치 및 방법 Download PDF

Info

Publication number
KR102666053B1
KR102666053B1 KR1020210125481A KR20210125481A KR102666053B1 KR 102666053 B1 KR102666053 B1 KR 102666053B1 KR 1020210125481 A KR1020210125481 A KR 1020210125481A KR 20210125481 A KR20210125481 A KR 20210125481A KR 102666053 B1 KR102666053 B1 KR 102666053B1
Authority
KR
South Korea
Prior art keywords
location
cluster
reference signal
terminal
network environment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020210125481A
Other languages
English (en)
Other versions
KR20230042801A (ko
Inventor
김선우
이재복
Original Assignee
한양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020210125481A priority Critical patent/KR102666053B1/ko
Publication of KR20230042801A publication Critical patent/KR20230042801A/ko
Application granted granted Critical
Publication of KR102666053B1 publication Critical patent/KR102666053B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/021—Calibration, monitoring or correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/0236—Assistance data, e.g. base station almanac
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0273—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves using multipath or indirect path propagation signals in position determination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

본 실시예들은 측위 장치 및 방법에 관한 것으로서, 특히 무선 통신 환경에서 클러스터링 기법을 통해 단말 주변의 환경을 파악하여 단말의 위치 및 상태를 추정하는 측위 장치 및 방법을 제공할 수 있다. 구체적으로, 단말과 기지국으로 구성된 무선 네트워크에서 클러스터링 기반의 환경 매핑을 통해 수신 신호를 이용하여 신호의 생성 위치를 추정하고 물체를 구분함으로써, 실시간으로 단말의 위치를 추정하는 측위 장치 및 방법을 제공할 수 있다.

Description

측위 장치 및 방법{APPARATUS AND METHOD FOR ESTIMATING LOCATION}
본 실시예들은 측위 장치 및 방법에 관한 것이다.
측위 기술은 이동체의 위치, 속도, 경로 등을 파악하는 위치 결정 기술로 단순히 사용자의 위치를 추정하는데에 그치지 않고, 위치 정보를 이용한 통신 기술, 자율 주행 기술, 위치 정보들을 기반으로 한 공간정보 구축 기술 등 무수한 미래 기술들에 응용이 가능한 중요 지반 기술이다. 구체적으로 측위 기술은 GPS를 이용한 측위, 4G LTE, 5G NR 등의 이동통신을 이용한 측위, Wi-Fi, UWB(Ultra-wide band)등의 근거리 무선통신 시스템을 이용한 측위 기술들이 있다. 특히, 밀리미터파(mmWave) 측위 기술은 별도의 장비와 환경의 제약 없이 이동통신이 가능한 곳에서는 높은 정확도를 보유한 측위를 가능하게 할 수 있다. 이러한 측위 기술의 발달에 따라 자동차, 드론, AGV (Automatic Guided vehicle)등의 이동체 분야에 자율 주행 기술에 관심이 높아지고 있다.
이에 따라, 최근에는 자율 주행 기술에서 필수적인 기술인 슬램(Simultaneous Localization And Mapping, SLAM)에 대한 관심도 높아지고 있다. 슬램(Simultaneous Localization And Mapping, SLAM)은 이동체의 위치를 측정하면서 이동체의 주변 환경의 지도를 작성하는 기술로서 자율 주행을 위한 핵심기술로 부각되고 있다. 구체적으로 슬램 기술은 기존의 지도를 가지고 위치 인식을 하거나 위치를 알고 지도를 만드는 기술에서 더 나아가 동시에 위치 파악과 지도 구축을 하여 상호보완 시키는 기술로 우리가 일상에서 행하는 미지의 환경을 탐색하는 것과 매우 유사한 방법일 수 있다. 특히, 무선 네트워크를 통해 시간과 각도 도메인에서 고해상도의 측정값을 얻을 수 있어 무선 신호의 특성을 슬램에 적용하여 산란하는 물체를 감지하고 사용자의 위치와 방향 등의 상태를 추정할 수 있다.
다만, 무선 신호를 이용한 슬램에서는 수신기의 결함으로 인한 대상의 미탐지(miss detection) 문제, 채널 추정 오류로 인한 오경보(false alarm), 환경 내 랜드마크의 유형을 알 수 없는 문제점이 존재한다. 따라서 차량 환경 내 다수의 랜드마크로 인해 발생하는 가시경로 및 다중경로의 무선 신호가 혼재된 상황에서 각 신호가 반사된 물체를 구분하여 타입을 확인하고 동시에 위치 정확도를 높이는 측위 장치 및 방법을 필요로 하고 있다.
이러한 배경에서, 본 실시예들은 클러스터링 기반의 환경 매핑을 통해 수신 신호를 이용하여 신호의 생성 위치를 추정하고 물체를 구분하여 실시간으로 단말의 위치를 추정하는 측위 장치 및 방법을 제공하는데 있다.
일 측면에서, 본 실시예들은 기지국으로부터 위치 참조 신호(Positioning Reference Signal, PRS)를 수신하고, 채널 추정을 통해 수신된 위치 참조 신호의 측정값을 획득하는 측정값 획득부, 미리 설정된 이동 모델 및 이전 시간에 획득한 단말의 제 1 상태 벡터를 이용하여 단말의 제 2 상태 벡터를 예측하는 상태 예측부, 위치 참조 신호의 측정값과 제 2 상태 벡터에 기초하여 위치 참조 신호의 수신 경로 상에 존재하는 가상 앵커(virtual anchor, VA) 및 산란 지점(scattering point, SP)의 생성 위치를 추정하고, 생성 위치를 클러스터링하여 단말의 네트워크 환경 맵에 매핑하는 환경 매핑부 및 네트워크 환경 맵의 매핑 결과를 이용하여 제 2 상태 벡터를 보정하는 상태 보정부를 포함하는 측위 장치를 제공할 수 있다.
다른 측면에서, 본 실시예들은 기지국으로부터 위치 참조 신호(Positioning Reference Signal, PRS)를 수신하고, 채널 추정을 통해 수신된 위치 참조 신호의 측정값을 획득하는 측정값 획득 단계, 미리 설정된 이동 모델 및 이전 시간에 획득한 단말의 제 1 상태 벡터를 이용하여 단말의 제 2 상태 벡터를 예측하는 상태 예측 단계, 위치 참조 신호의 측정값과 제 2 상태 벡터에 기초하여 위치 참조 신호의 수신 경로 상에 존재하는 가상 앵커(virtual anchor, VA) 및 산란 지점(scattering point, SP)의 생성 위치를 추정하고, 생성 위치를 클러스터링하여 단말의 네트워크 환경 맵에 매핑하는 환경 매핑 단계 및 네트워크 환경 맵의 매핑 결과를 이용하여 제 2 상태 벡터를 보정하는 상태 보정 단계를 포함하는 측위 방법을 제공할 수 있다.
본 실시예들에 의하면, 클러스터링 기반의 환경 매핑을 통해 수신 신호를 이용하여 신호의 생성 위치를 추정하고 물체를 구분하여 실시간으로 단말의 위치를 추정하는 측위 장치 및 방법을 제공할 수 있다.
도 1은 본 개시의 일 실시예에 따른 측위 장치의 구성을 도시한 도면이다.
도 2는 본 개시의 일 실시예에 따른 측위 장치가 적용될 수 있는 시스템을 개략적으로 도시한 도면이다.
도 3은 본 개시의 일 실시예에 따른 측위 장치가 단말의 위치를 추정하는 동작을 설명하기 위한 흐름도이다.
도 4는 본 개시의 일 실시예에 따른 측위 장치가 가상 앵커의 생성 위치를 추정하는 동작을 설명하기 위한 도면이다.
도 5는 본 개시의 일 실시예에 따른 측위 장치가 산란 지점의 생성 위치를 추정하는 동작을 설명하기 위한 도면이다.
도 6은 본 개시의 일 실시예에 따른 측위 장치가 환경 맵에 매핑하기 위한 알고리즘을 설명하기 위한 도면이다.
도 7은 본 개시의 일 실시예에 따른 측위 방법에 대한 흐름도이다.
본 개시는 측위 장치 및 방법에 관한 것이다.
이하, 본 개시의 일부 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성 요소들에 참조부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 실시예들을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 기술 사상의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다. 본 명세서 상에서 언급된 "포함한다", "갖는다", "이루어진다" 등이 사용되는 경우 "~만"이 사용되지 않는 이상 다른 부분이 추가될 수 있다. 구성 요소를 단수로 표현한 경우에 특별한 명시적인 기재 사항이 없는 한 복수를 포함하는 경우를 포함할 수 있다.
또한, 본 개시의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다.
구성 요소들의 위치 관계에 대한 설명에 있어서, 둘 이상의 구성 요소가 "연결", "결합" 또는 "접속" 등이 된다고 기재된 경우, 둘 이상의 구성 요소가 직접적으로 "연결", "결합" 또는 "접속" 될 수 있지만, 둘 이상의 구성 요소와 다른 구성 요소가 더 "개재"되어 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다. 여기서, 다른 구성 요소는 서로 "연결", "결합" 또는 "접속" 되는 둘 이상의 구성 요소 중 하나 이상에 포함될 수도 있다.
구성 요소들이나, 동작 방법이나 제작 방법 등과 관련한 시간적 흐름 관계에 대한 설명에 있어서, 예를 들어, "~후에", "~에 이어서", "~다음에", "~전에" 등으로 시간적 선후 관계 또는 흐름적 선후 관계가 설명되는 경우, "바로" 또는 "직접"이 사용되지 않는 이상 연속적이지 않은 경우도 포함할 수 있다.
한편, 구성 요소에 대한 수치 또는 그 대응 정보(예: 레벨 등)가 언급된 경우, 별도의 명시적 기재가 없더라도, 수치 또는 그 대응 정보는 각종 요인(예: 공정상의 요인, 내부 또는 외부 충격, 노이즈 등)에 의해 발생할 수 있는 오차 범위를 포함하는 것으로 해석될 수 있다.
본 명세서에서의 위치 참조 신호(Positioning Reference Signal, PRS)는 단말(User Equipment; UE)의 위치(Position)를 측정하기 위해서, 각 셀 또는 기지국으로부터 단말로 전송하고, 해당 단말이 특정시간에 수신하는 신호일 수 있다.
도 1은 본 개시의 일 실시예에 따른 측위 장치의 구성을 도시한 도면이다.
도 1을 참조하면, 본 개시의 일 실시예에 따른 측위 장치(100)는 기지국으로부터 위치 참조 신호(Positioning Reference Signal, PRS)를 수신하고, 채널 추정을 통해 수신된 위치 참조 신호의 측정값을 획득하는 측정값 획득부(110), 미리 설정된 이동 모델 및 이전 시간에 획득한 단말의 제 1 상태 벡터를 이용하여 단말의 제 2 상태 벡터를 예측하는 상태 예측부(120), 위치 참조 신호의 측정값과 제 2 상태 벡터에 기초하여 위치 참조 신호의 수신 경로 상에 존재하는 가상 앵커(virtual anchor, VA) 및 산란 지점(scattering point, SP)의 생성 위치를 추정하고, 생성 위치를 클러스터링하여 단말의 네트워크 환경 맵에 매핑하는 환경 매핑부(130) 및 네트워크 환경 맵의 매핑 결과를 이용하여 제 2 상태 벡터를 보정하는 상태 보정부(140)를 포함할 수 있다.
일 실시예에 따라 측정값 획득부(110)는 기지국(base station, BS)으로부터 위치 참조 신호(Positioning Reference Signal, PRS)를 수신하고, 채널 추정을 통해 수신된 위치 참조 신호의 측정값을 획득할 수 있다. 일 예로, 측정값 획득부(110)는 가시 경로, 환경 내의 벽 또는 산란 지점으로부터 반사되는 신호를 포함하는 위치 참조 신호를 수신할 수 있다. 또한, 측정값 획득부(110)는 수신된 위치 참조 신호를 경로에 따라 구분하는 것이 불가능하여 모든 수신 신호를 수신하고 채널 추정을 통해 측정값을 획득할 수 있다. 예를 들어, 측정값 획득부(110)는 하나의 기지국로부터 주기적으로 전송된 5G mmWave 신호를 수신하고, 채널 추정을 통해 신호 경로로 인덱싱된 측정값을 획득할 수 있다.
다른 일 예로, 측정값 획득부(110)는 다중 경로를 통해 수신되는 위치 참조 신호의 측정값에 기초하여 측정 모델을 생성할 수 있다. 예를 들어, 측정값 획득부(110)는 다중 경로를 통해 수신되는 위치 참조 신호의 측정값에 기초하여 단말의 상태 벡터, 단말의 네트워크 환경 내 존재하는 가상 앵커 또는 산란 지점의 위치 정보 및 측정값 오차를 포함하는 측정 모델을 생성할 수 있다. 이러한 측정 모델은 단말의 상태 벡터를 보정하는데 활용될 수 있다.
일 실시예에 따라 상태 예측부(120)는 미리 설정된 이동 모델 및 이전 시간에 획득한 단말의 제 1 상태 벡터를 이용하여 단말의 제 2 상태 벡터를 예측할 수 있다. 예를 들어, 상태 예측부(120)는 이전 시간에 획득한 단말의 제 1 상태 벡터를 미리 설정된 이동 모델에 입력하고, 공지된 공분산을 가지는 제로 평균 가우시안 분포로 모델링된 프로세스 노이즈를 적용하여 현재 시간에 단말의 제 2 상태 벡터를 예측할 수 있다. 여기서, 이동 모델은 시계열 데이터에 대한 공지된 전이 함수로 설정될 수 있다.
일 실시예에 따라 환경 매핑부(130)는 위치 참조 신호의 측정값과 제 2 상태 벡터에 기초하여 위치 참조 신호의 수신 경로 상에 존재하는 가상 앵커(virtual anchor, VA) 및 산란 지점(scattering point, SP)의 생성 위치를 추정할 수 있다. 그리고 환경 매핑부(130)는 추정된 생성 위치를 클러스터링하여 단말의 네트워크 환경 맵에 매핑할 수 있다. 일 예로, 환경 매핑부(130)는 위치 참조 신호의 측정값을 유클리드 공간에 매핑하고, 디리클레 프로세스(Dirichlet Process, DP) 알고리즘에 기초하여 가상 앵커 및 산란 지점의 생성 위치를 매핑할 수 있다. 그리고, 환경 매핑부(130)는 생성 위치의 확률에 기초하여 기존 클러스터 또는 신규 클러스터를 선택하여 클러스터링할 수 있다. 예를 들어, 환경 매핑부(130)는 디리클레 프로세스 알고리즘에 기초하여 다중 경로 신호에서 가시선(line-of-sight, LOS) 측정 신호를 분류하여 가상 앵커 및 산란 지점의 생성 위치를 매핑할 수 있다. 그리고, 환경 매핑부(130)는 생성 위치에 데이터가 존재할 확률을 계산하여 가장 높은 확률을 가진 클러스터를 선택하여 생성 위치를 클러스터링할 수 있다. 여기서, 디리클레 프로세스 알고리즘은 무한한 수의 매개 변수를 포함하는 베이지안 비모수(Bayesian nonparametric, BNP) 모델일 수 있다.
다른 일 예로, 환경 매핑부(130)는 생성 위치를 기준으로 가상 앵커 또는 산란 지점을 하나 이상의 클러스터에 클러스터링하여 단말의 주변 네트워크 환경을 나타내는 네트워크 환경 맵 상에 하나 이상의 클러스터의 위치를 매핑할 수 있다. 여기서, 네트워크 환경 맵은 기지국, 가상 앵커의 클러스터 및 산란 지점의 클러스터 중 적어도 하나의 위치 정보를 포함할 수 있다. 예를 들어, 환경 매핑부(130)는 수신된 위치 참조 신호가 가상 앵커로 인한 다중 경로 신호라고 가정하여 생성 위치를 추정할 수 있다. 그리고 환경 매핑부(130)는 추정된 생성 위치가 하나 이상의 고정된 지점에 클러스터로 표시되면, 해당 클러스터를 가상 앵커의 클러스터로 구분할 수 있다. 다른 예를 들어, 환경 매핑부(130)는 구분된 가상 앵커의 클러스터를 제외하고 위치 참조 신호를 산란 지점으로 인한 다중 경로 신호로 가정하여 생성 위치를 추정할 수 있다. 그리고 환경 매핑부(130)는 추정된 생성 위치가 하나 이상의 고정된 지점에 클러스터로 표시되면, 해당 클러스터를 산란 지점의 클러스터로 구분할 수 있다.
일 실시예에 따라 상태 보정부(140)는 네트워크 환경 맵의 매핑 결과를 이용하여 제 2 상태 벡터를 보정할 수 있다. 일 예로, 상태 보정부(140)는 네트워크 환경 맵 상에 매핑된 가상 앵커 및 산란 지점의 생성 위치를 위치 참조 신호의 측정값에 반영하고, 특정 필터를 적용하여 제 2 상태 벡터를 보정할 수 있다. 예를 들어, 상태 보정부(140)는 단말의 제 2 상태 벡터와 네트워크 환경 맵 상에 매핑된 위치 참조 신호의 측정값에 확장 칼만 필터(Extended Kalman Filter, EKF)를 적용하여 실시간으로 제 2 상태 벡터를 보정할 수 있다. 다만, 확장 칼만 필터는 일 예로, 특정 필터가 이에 한정되는 것은 아니다.
도 2는 본 개시의 일 실시예에 따른 측위 장치가 적용될 수 있는 시스템을 개략적으로 도시한 도면이다.
도 2를 참조하면, 본 개시의 일 실시예에 따른 단말(200)의 위치를 추정하기 위한 측위 장치(100)가 적용될 수 있는 시스템에 관한 것으로, 측위 장치(100)는 1개의 기지국(210)과 1대의 단말(200)로 구성된 네트워크 환경에서 단말(200)의 위치 및 상태를 추정할 수 있다. 예를 들어, 단말(200)의 네트워크 환경은 밀리미터파(mmWave) 신호를 주기적으로 전송하는 기지국(210), 벽(240)과 같이 신호를 반사하는 넓은 표면으로 지정된 가상 앵커(220) 또는 신호를 산란시키는 작은 물체를 지칭하는 산란 지점(230)으로 구성될 수 있다. 여기서, 기지국(210), 가상 앵커(220) 또는 산란 지점(230)의 위치는 고정된 랜드마크(landmark)일 수 있다.
일 예에 따라, 측위 대상은 통신망에 연결되어 측위 장치(100)와의 통신이 가능하면 단말(200) 이외의 컴퓨터, PDA 등일 수 있으며, 측위 대상은 차량이 될 수도 있다. 즉, 본 명세서에서의 단말(200)은 측위 대상의 일 예를 설명한 것으로, 이에 한정되는 것은 아니다.
일 예에 따라, 측위 장치(100)는 무선 통신 모듈을 직접 포함하거나 유선 또는 무선 네트워크를 통해 상호 연결된 형태로 구성될 수 있다. 따라서, 측위 장치(100)는 측위 대상이 되는 단말(200)에 설치될 수 있고, 별도의 장치 형태일 수도 있다. 예를 들어, 측위 장치(100)는 기지국으로부터 주기적으로 송신되는 위치 참조 신호를 수신하는 단말(200)일 수 있다. 구체적으로, 수신되는 위치 참조 신호는 기지국으로부터 주기적으로 송신되는 밀리미터파 신호로 넓은 표면에서 반사되고 산란 지점에 의해 산란된 신호를 포함할 수 있다. 따라서, 측위 장치(100)는 일정한 시간 간격으로 가시 경로(250)를 통한 신호와 환경 내의 벽(240) 또는 산란 지점(230)으로부터 반사되는 신호를 포함하는 위치 참조 신호를 수신할 수 있다.
또한, 측위 장치(100)는 메모리 등의 저장부, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서 등의 하드웨어, 명령어 세트를 포함하는 소프트웨어 내지 이들의 조합 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 기반으로 구성될 수 있다.
도 3은 본 개시의 일 실시예에 따른 측위 장치가 단말의 위치를 추정하는 동작을 설명하기 위한 흐름도이다.
도 3을 참조하면, 본 개시의 일 실시예에 따른 측위 장치의 측정값 획득부(110)는 기지국으로부터 위치 참조 신호를 수신하고 채널 추정을 통해 측정값을 획득할 수 있다(S310). 일 예로, 측정값 획득부(110)는 매 시간마다 각각의 랜드마크에서 오는 다중 경로 신호를 수신하고 채널 추정을 통해 측정값을 획득할 수 있다. 또한, 측정값 획득부(110)는 수신된 다중 경로 신호의 측정값에 기초하여 측정 모델을 생성할 수 있다. 예를 들어, 측정값 획득부(110)는 획득한 i 번째 신호에 대한 측정값의 측정 모델을 수학식 1과 같이 생성할 수 있다.
Figure 112021108761381-pat00001
이 때, 이고, 측정값 오차는 일 수 있다. 구체적으로, 는 도래 시간(time of arrival, TOA)이고, 는 방위각과 고도에 대한 도래각(difference of Arrival, DOA)이고, 는 방위각과 고도에 대한 출발 방향(direction of departure, DOD) 을 의미할 수 있다. 즉, xi와 m은 가상 앵커와 산란 지점과 같이 다중 경로를 구성하는 물체의 위치와 유형를 의미하고, Sk는 단말의 위치 벡터와 방향각을 포함하는 상태 벡터를 의미할 수 있다.
일 실시예에 따른 측위 장치의 상태 예측부(120)는 미리 설정된 이동 모델을 이용하여 단말의 상태 벡터를 예측할 수 있다(S320). 일 예로, 상태 예측부(120)는 미리 설정된 이동 모델 및 이전 시간에 획득한 단말의 제 1 상태 벡터를 이용하여 단말의 제 2 상태 벡터를 예측할 수 있다. 예를 들어, 상태 예측부(120)는 미리 설정된 이동 모델을 이용하여 시간 k에서 단말의 상태 벡터를 예측할 수 있다. 여기서, 시간 k에서 단말의 상태 벡터는 제 2 상태 벡터와 동일한 의미일 수 있다. 구체적으로, 단말의 상태 벡터 Sk는 일 수 있고,는 각각의 3차원 위치, αk는 방향각, ζk는 이동 속도, ξk는 회전율 및 Bk는 클록 바이어스를 의미할 수 있다. 또한, 시간 k에서의 이동 모델은 수학식 2와 같이 표현할 수 있다.
Figure 112021108761381-pat00009
여기서, 이동 모델 g(ㆍ)은 공지된 전이 함수일 수 있고, qk는 공지된 공분산 Q를 사용하여 제로 평균 가우스 분포로 모델링된 프로세스 노이즈를 의미할 수 있다. 또한, 이동 모델은 공지된 전이 밀도 를 가지는 kmax 시간에 대한 동적 모델일 수 있다.
일 실시예에 따른 측위 장치의 환경 매핑부(130)는 위치 참조 신호의 측정값과 예측된 단말의 상태 벡터를 이용하여 클러스터링을 통해 단말의 네트워크 환경 맵에 매핑할 수 있다(S330). 일 예로, 환경 매핑부(130)는 위치 참조 신호의 측정값을 3D 유클리드 공간에 매핑하고, 디리클레 프로세스(Dirichlet Process, DP) 알고리즘에 기초하여 가상 앵커 및 산란 지점의 생성 위치를 매핑할 수 있다. 예를 들어, 환경 매핑부(130)는 디리클레 프로세스 알고리즘을 이용하여 위치 참조 신호의 측정값에 해당하는 데이터가 각 클러스터에 속할 확률을 계산할 수 있다. 구체적으로 클러스터의 수가 유한한 경우의 사전 분포는 수학식 3과 같이 표현할 수 있다.
Figure 112021108761381-pat00011
여기서, 는 각각 i 번째 측정값의 클러스터 인덱스, 총 데이터 개수, j 번째 클러스터에 할당된 데이터 개수, 집중도 매개변수 및 감마 함수를 의미할 수 있다. 또한, J는 총 클러스터의 개수를 의미할 수 있다. 다만, 디리클레 프로세스 알고리즘을 사용하면 J는 유한한 경우뿐만 아니라 무한한 경우에도 총 클러스터의 개수를 의미할 수 있다.
또한, 구체적으로, 환경 매핑부(130)는 li에 대한 조건부 사전 확률을 계산할 수 있다. li에 대한 조건부 사전 확률은 수학식 4와 같이 표현할 수 있다.
여기서, l-i는 i를 제외한 모든 지표가 있는 l의 집합을 의미할 수 있다. 또한, J가 ∞이면, 조건부 사전 확률은 수학식 5와 같이 표현할 수 있다.
이와 같이, 신규 클러스터에 대한 조건부 사전 확률은 수학식 6과 같이 표현할 수 있다.
다른 예를 들어, 환경 매핑부(130)는 위치 참조 신호의 측정값에 해당하는 데이터가 각 클러스터와 어느 정도 분리되어 있는지 여부를 계산할 수 있다. 분리된 정도는 중심과 공분산을 통해 가우스 분포의 가능도(likelihood)를 이용하여 정량화될 수 있다. 구체적으로, 환경 매핑부(130)는 밀도가 pj(y)인 j번째 클러스터 또는 밀도가 p0(y)인 신규 클러스터로부터 측정값 yi가 발생할 확률을 계산할 수 있다. 조건부 분포는 수학식 7과 수학식 8과 같이 표현할 수 있다.
이를 통해 측정값 yi는 가장 높은 확률을 가지는 클러스터로 설정될 수 있다. 그리고, 디리클레 프로세스 알고리즘에 관한 상세한 내용은 도6을 참조하여 후술한다.
일 실시예에 따른 측위 장치의 상태 보정부(140)는 환경 맵의 매핑 결과를 이용하여 예측된 상태 벡터를 보정할 수 있다(S340). 일 예로, 상태 보정부(140)는 네트워크 환경 맵 상에 매핑 결과와 위치 참조 신호의 측정값을 이용하여 예측된 단말의 제 2 상태 벡터를 보정할 수 있다. 예를 들어, 상태 보정부(140)는 네트워크 환경 맵 상에 매핑된 가상 앵커 및 산란 지점의 생성 위치를 위치 참조 신호의 측정값에 반영하고, 특정 필터를 적용하여 제 2 상태 벡터를 보정할 수 있다. 여기서, 특정 필터는 확장 칼만 필터(Extended Kalman Filter, EKF)일 수 있으나 이에 한정되는 것은 아니다. 위의 일련의 과정을 통해 산출된 단말의 제 2 상태 벡터에 기초하여 단말의 위치 및 상태를 추정할 수 있다.
도 4는 본 개시의 일 실시예에 따른 측위 장치가 가상 앵커의 생성 위치를 추정하는 동작을 설명하기 위한 도면이다.
도 4를 참조하면, 일 실시예에 따른 측위 장치에서 환경 매핑부(130)가 단말의 네트워크 환경에서 디리클레 프로세스 알고리즘을 이용하여 가상 앵커의 생성 위치를 추정할 수 있다. 일 예로, 환경 매핑부(130)는 도4와 같이 1개의 기지국(210)과 4개의 벽(240)으로 인한 4개의 가상 앵커(220) 및 4개의 산란 지점으로 구성된 네트워크 환경에서 디리클레 프로세스 알고리즘을 이용하여 매핑할 수 있다. 예를 들어, 환경 매핑부(130)는 위치 참조 신호를 4개의 벽(240)에 의해 반사된 다중 경로 신호로 가상 앵커로부터 수신된 신호라고 가정하여 가상 앵커의 생성 위치를 추정할 수 있다. 그리고, 환경 매핑부(130)는 추정된 생성 위치가 집중적으로 하나 이상의 고정된 지점에 형성되면, 디리클레 프로세스 알고리즘을 이용하여 하나 이상의 클러스터로 클러스터링 할 수 있다. 이에 따라, 클러스터링된 클러스터는 가상 앵커의 클러스터로 구분될 수 있다. 또한, 가시 경로(line-of-sight, LOS) 신호의 측정값은 네트워크 환경 맵에서 기지국의 위치를 나타낼 수 있다. 구체적으로, 단말의 네트워크 환경 맵에서 가상 앵커의 생성 위치는 VA1 내지 VA4 주변에 클러스터를 형성하여 표시될 수 있다. 반면에, 산란 지점의 생성 위치는 고정된 지점으로 표시되지 않아 가상 앵커의 클러스터와 구분할 수 있다. 따라서, 환경 매핑부(130)는 가상 앵커로 인한 다중 경로 신호와 그렇지 않은 신호를 구분할 수 있다.
도 5는 본 개시의 일 실시예에 따른 측위 장치가 산란 지점의 생성 위치를 추정하는 동작을 설명하기 위한 도면이다.
도 5를 참조하면, 일 실시예에 따른 측위 장치에서 환경 매핑부(130)가 단말의 네트워크 환경에서 디리클레 프로세스 알고리즘을 이용하여 산란 지점의 생성 위치를 추정할 수 있다. 일 예로, 환경 매핑부(130)는 도5와 같이 1개의 기지국(210)과 4개의 벽(240)으로 인한 4개의 가상 앵커(220) 및 4개의 산란 지점(230)으로 구성된 네트워크 환경에서 디리클레 프로세스 알고리즘을 이용하여 매핑할 수 있다. 예를 들어, 환경 매핑부(130)는 위치 참조 신호를 4개의 산란 지점(230)에 의해 산란된 다중 경로 신호로 산란 지점으로부터 수신된 신호라고 가정하여 산란 지점의 생성 위치를 추정할 수 있다. 그리고, 환경 매핑부(130)는 추정된 생성 위치가 집중적으로 하나 이상의 고정된 지점에 형성되면, 디리클레 프로세스 알고리즘을 이용하여 하나 이상의 클러스터로 클러스터링 할 수 있다. 이에 따라, 클러스터링된 클러스터는 산란 지점의 클러스터로 구분될 수 있다. 구체적으로, 환경 매핑부(130)는 가상 앵커의 클러스터의 위치 및 기지국의 위치는 제외하고, 단말의 네트워크 환경 맵에서 산란 지점의 생성 위치는 SP1 내지 SP4 주변에 클러스터를 형성하여 표시될 수 있다. 반면에, 클러터(clutter)의 생성 위치는 고정된 지점으로 표시되지 않아 산란 지점의 클러스터와 구분할 수 있다. 따라서, 환경 매핑부(130)는 산란 지점으로 인한 다중 경로 신호와 그렇지 않은 신호를 구분할 수 있다.
도 6은 본 개시의 일 실시예에 따른 측위 장치가 환경 맵에 매핑하기 위한 알고리즘을 설명하기 위한 도면이다.
도 6를 참조하면, 일 실시예에 따른 측위 장치는 복수의 다중 경로 신호가 수신되는 상황에서 단말의 네트워크 환경 내 객체를 매핑하고 단말의 상태 벡터를 예측할 수 있다. 일 예로, 상태 예측부(120)는 시간 k-1 에서 단말 상태의 사후 밀도가 주어지면, 시간 k에서 단말 상태의 사후 밀도를 예측할 수 있다. 여기서, 시간 k-1에서 단말 상태의 사후 밀도는 이고, 시간 k에서 단말 상태의 사후 밀도는 를 의미할 수 있다. 예를 들어, 상태 예측부(120)는 수학식 9에 의해 시간 k에서 단말 상태의 사후 밀도를 예측할 수 있다.
또한, 상태 예측부(120)는 sk-1 과 Vk-1을 수학식 10 및 수학식 11에 의해 계산할 수 있다.
여기서, Gk는 수학식 12에 의해 계산된 이동 모델 g(ㆍ)의 Jacovbian matrix일 수 있다.
이에 따라, 계산된 sk 과 Vk는 가시 경로(line-of-sight, LOS) 신호의 측정값을 식별하고 특정 필터를 적용하여 보정될 수 있다.
일 예로, 환경 매핑부(130)는 디리클레 프로세스 알고리즘을 이용하여 네트워크 환경 내 물체의 위치를 클러스터링하고 유형을 구분하여 매핑할 수 있다. 예를 들어, 환경 매핑부(130)는 네트워크 환경 내 물체의 클러스터를 초기화할 수 있다. 여기서, 시간 k에서 물체의 유형 m={BS, VA, SP} 에 따른 클러스터의 개수는 Jk,m 으로 표현할 수 있다. 또한, 시간 k에서 물체의 유형 m에 따른 중심, 공분산 및 클러스터의 개수의 집합은 각각 , 및 로 표현할 수 있다. 구체적으로, 시간 k=0 일 때, 환경 매핑부(130)는 감지된 물체와 클러스터는 없지만, 기지국의 위치는 알 수 있다. 이에 따라, 환경 매핑부(130)는 단말의 네트워크 환경 맵을 초기화할 수 있다.
다른 예를 들어, 환경 매핑부(130)는 클러스터링 전에 각각의 위치 참조 신호의 측정값이 가상 앵커 및 산란 지점으로 변환되는 생성 위치를 추정할 수 있다. 구체적인 예를 들면, 환경 매핑부(130)는 수학식 13 및 수학식 14를 이용하여 측정값이 가상 앵커로 변환되는 생성 위치를 추정할 수 있다.
여기서, Hx,k 및 Hs,k는 각각 ∂h/∂sk및 ∂h/∂xk로 표시되는 Jacobian matrices 일 수 있다.
구체적인 다른 예를 들면, 환경 매핑부(130)는 수학식 15 및 수학식 16을 이용하여 측정값이 산란 지점으로 변환되는 생성 위치를 추정할 수 있다.
또 다른 예를 들어, 환경 매핑부(130)는 기존 클러스터 또는 신규 클러스터에서 각 생성 위치의 확률을 계산하고 네트워크 환경 맵과 비교하여 클러스터링할 수 있다. 구체적인 다른 예를 들면, 환경 매핑부(130)는 시간 k에서 기존 클러스터 또는 신규 클러스터 포함된 각각의 i번째 생성 위치 의 확률을 계산할 수 있다. 각각의 확률은 수학식 17 및 수학식 18을 이용하여 계산할 수 있다.
여기서, l은 i번째 생성 위치 가 속한 클러스터의 인덱스일 수 있다. 또한, μ0은 환경 내에서 생성된 모든 생성 위치의 중심을 나타내는 지점(ex: 원점)이고, Σ0은 신규 클러스터의 고정된 큰 공분산을 의미할 수 있다.
구체적인 또 다른 예를 들면, 환경 매핑부(130)는 계산된 확률을 비교하여 가장 높은 확률을 가진 클러스터에 생성 위치를 매핑할 수 있다. 확률은 수학식 19를 이용하여 비교할 수 있다.
이 때, 환경 매핑부(130)는 j*가 Jk-1,m 보다 작거나 같으면 기존 클러스터를 선택하고, J* 번째 클러스터의 공분산과 중심을 갱신할 수 있다. 공분산과 중심은 수학식 20 및 수학식 21을 이용하여 갱신할 수 있다.
또한, 환경 매핑부(130)는 신규 클러스터가 선택되면, 추정된 생성 위치의 중심과 공분산을 클러스터의 중심과 공분산으로 사용할 수 있다. 그리고, 환경 매핑부(130)는 물체의 개수가 임계값 이상 포함된 클러스터를 랜드마크로 구분할 수 있다.
일 예로, 상태 보정부(140)는 측정 밀도에 기초하여 시간 k 에서 단말 상태의 사후 밀도를 예측할 수 있다. 여기서, 사후 밀도는 수학식 22을 이용하여 예측할 수 있다.
여기서, η는 정규화 항일 수 있다.
예를 들어, 상태 보정부(140)는 단말의 상태 벡터를 수학식 23 및 수학식 24를 이용하여 보정할 수 있다.
여기서, Kk는 칼만 게인이고, 는 각각 단말 상태의 공분산과 예측된 공분산을 의미할 수 있다. 이에 따라, 측정 장치는 위의 과정을 통해 단말의 위치 및 상태를 추정할 수 있다. 또한, Hk는 시간 k에서 이동 모델 h(·)의 Jacobian matrix일 수 있다.
이하에서는 도 1 내지 도 6을 참조하여 설명한 측위 장치가 수행할 수 있는 측위 방법에 대해서 설명한다. 단, 아래에서는 도 1 내지 도 6에서 설명한 일부 실시예 또는 일부 동작에 대한 상세한 설명을 생략할 수 있으나, 이는 설명의 중복을 방지하기 위한 것일 뿐이므로 측위 방법은 전술한 측위 장치를 동일하게 제공할 수 있다.
도 7은 본 개시의 일 실시예에 따른 측위 방법에 대한 흐름도이다.
도 7을 참조하면, 본 개시의 일 실시예에 따른 측위 방법은 위치 참조 신호의 측정값을 획득하는 측정값 획득 단계를 포함할 수 있다(S710). 일 예로, 측위 장치는 기지국으로부터 위치 참조 신호(Positioning Reference Signal, PRS)를 수신하고, 채널 추정을 통해 수신된 위치 참조 신호의 측정값을 획득할 수 있다. 예를 들어, 측위 장치는 가시 경로, 환경 내의 벽 또는 산란 지점으로부터 반사되는 신호를 포함하는 위치 참조 신호를 수신할 수 있다. 또한, 측위 장치는 수신된 위치 참조 신호를 경로에 따라 구분하는 것이 불가능하여 모든 수신 신호를 수신하고 채널 추정을 통해 측정값을 획득할 수 있다. 구체적으로, 측위 장치는 하나의 기지국로부터 주기적으로 전송된 5G mmWave 신호를 수신하고, 채널 추정을 통해 신호 경로로 인덱싱된 측정값을 획득할 수 있다.
다른 일 예로, 측위 장치는 다중 경로를 통해 수신되는 위치 참조 신호의 측정값에 기초하여 측정 모델을 생성할 수 있다. 예를 들어, 측위 장치는 다중 경로를 통해 수신되는 위치 참조 신호의 측정값에 기초하여 단말의 상태 벡터, 단말의 네트워크 환경 내 존재하는 가상 앵커 또는 산란 지점의 위치 정보 및 측정값 오차를 포함하는 측정 모델을 생성할 수 있다.
일 실시예에 따른 측위 방법은 단말의 상태 벡터를 예측하는 상태 예측 획득 단계를 포함할 수 있다(S720). 일 예로, 측위 장치는 미리 설정된 이동 모델 및 이전 시간에 획득한 단말의 제 1 상태 벡터를 이용하여 단말의 제 2 상태 벡터를 예측할 수 있다. 예를 들어, 측위 장치는 이전 시간에 획득한 단말의 제 1 상태 벡터를 미리 설정된 이동 모델에 입력하고, 공지된 공분산을 가지는 제로 평균 가우시안 분포로 모델링된 프로세스 노이즈를 적용하여 현재 시간에 단말의 제 2 상태 벡터를 예측할 수 있다. 여기서, 이동 모델은 시계열 데이터에 대한 공지된 전이 함수로 설정될 수 있다.
일 실시예에 따른 측위 방법은 네트워크 환경 맵에 매핑하는 환경 매핑 단계를 포함할 수 있다(S730). 일 예로, 측위 장치는 위치 참조 신호의 측정값과 제 2 상태 벡터에 기초하여 위치 참조 신호의 수신 경로 상에 존재하는 가상 앵커(virtual anchor, VA) 및 산란 지점(scattering point, SP)의 생성 위치를 추정할 수 있다. 그리고, 측위 장치는 추정된 생성 위치를 클러스터링하여 단말의 네트워크 환경 맵에 매핑할 수 있다. 예를 들어, 측위 장치는 위치 참조 신호의 측정값을 유클리드 공간에 매핑하고, 디리클레 프로세스(Dirichlet Process, DP) 알고리즘에 기초하여 가상 앵커 및 산란 지점의 생성 위치를 매핑할 수 있다. 그리고 측위 장치는 생성 위치의 확률에 기초하여 기존 클러스터 또는 신규 클러스터를 선택하여 클러스터링할 수 있다.
다른 일 예로, 측위 장치는 생성 위치를 기준으로 가상 앵커 또는 산란 지점을 하나 이상의 클러스터에 클러스터링하고, 단말의 주변 네트워크 환경을 나타내는 네트워크 환경 맵 상에 하나 이상의 클러스터의 위치를 매핑할 수 있다. 여기서, 네트워크 환경 맵은 기지국, 가상 앵커의 클러스터 및 산란 지점의 클러스터 중 적어도 하나의 위치 정보를 포함할 수 있다. 예를 들어, 측위 장치는 수신된 위치 참조 신호가 가상 앵커로 인한 다중 경로 신호라고 가정하여 생성 위치를 추정할 수 있다. 그리고 측위 장치는 추정된 생성 위치가 하나 이상의 고정된 지점에 클러스터로 표시되면, 해당 클러스터를 가상 앵커의 클러스터로 구분할 수 있다. 다른 예를 들어, 측위 장치는 구분된 가상 앵커의 클러스터를 제외하고 위치 참조 신호를 산란 지점으로 인한 다중 경로 신호로 가정하여 생성 위치를 추정할 수 있다. 그리고 측위 장치는 추정된 생성 위치가 하나 이상의 고정된 지점에 클러스터로 표시되면, 해당 클러스터를 산란 지점의 클러스터로 구분할 수 있다.
일 실시예에 따른 측위 방법은 단말의 상태 벡터를 보정하는 상태 보정 단계를 포함할 수 있다(S740). 일 예로, 측위 장치는 네트워크 환경 맵의 매핑 결과를 이용하여 제 2 상태 벡터를 보정할 수 있다. 예를 들어, 측위 장치는 네트워크 환경 맵 상에 매핑된 가상 앵커 및 산란 지점의 생성 위치를 위치 참조 신호의 측정값에 반영하고, 특정 필터를 적용하여 제 2 상태 벡터를 보정할 수 있다. 구체적으로, 측위 장치는 단말의 제 2 상태 벡터와 네트워크 환경 맵 상에 매핑된 위치 참조 신호의 측정값에 확장 칼만 필터(Extended Kalman Filter, EKF)를 적용하여 실시간으로 제 2 상태 벡터를 보정할 수 있다. 다만, 확장 칼만 필터는 일 예로, 특정 필터가 이에 한정되는 것은 아니다.
이상에서 설명한 바와 같이 본 개시에 의하면, 측위 장치 및 방법을 제공할 수 있다. 특히, 무선 통신 환경에서 클러스터링 기법을 통해 단말 주변의 환경을 파악하여 단말의 위치 및 상태를 추정하는 측위 장치 및 방법을 제공할 수 있다. 구체적으로, 단말과 기지국으로 구성된 무선 네트워크에서 클러스터링 기반의 환경 매핑을 통해 수신 신호를 이용하여 신호의 생성 위치를 추정하고 물체를 구분함으로써, 실시간으로 단말의 위치를 추정하는 측위 장치 및 방법을 제공할 수 있다.
이상의 설명은 본 개시의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 기술 사상의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 또한, 본 실시예들은 본 개시의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로 이러한 실시예에 의하여 본 기술 사상의 범위가 한정되는 것은 아니다. 본 개시의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 개시의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (16)

  1. 기지국으로부터 위치 참조 신호(Positioning Reference Signal, PRS)를 수신하고, 채널 추정을 통해 수신된 상기 위치 참조 신호의 측정값을 획득하는 측정값 획득부;
    미리 설정된 이동 모델 및 이전 시간에 획득한 단말의 제 1 상태 벡터를 이용하여 상기 단말이 제 2 상태 벡터를 예측하는 상태 예측부;
    상기 위치 참조 신호의 측정값과 상기 제 2 상태 벡터에 기초하여 상기 위치 참조 신호의 수신 경로 상에 존재하는 가상 앵커(virtual anchor, VA) 및 산란 지점(scattering point, SP)의 생성 위치를 추정하고, 상기 생성 위치를 클러스터링하여 상기 단말의 네트워크 환경 맵에 매핑하는 환경 매핑부; 및
    상기 네트워크 환경 맵의 매핑 결과를 이용하여 상기 제 2 상태 벡터를 보정하는 상태 보정부;를 포함하는 측위 장치.
  2. 제 1 항에 있어서,
    상기 측정값 획득부는,
    다중 경로를 통해 수신되는 상기 위치 참조 신호의 측정값에 기초하여 상기 단말의 상태 벡터, 상기 단말의 네트워크 환경 내 존재하는 상기 가상 앵커 또는 상기 산란 지점의 위치 정보 및 측정값 오차를 포함하는 측정 모델을 생성하는 것을 특징으로 하는 측위 장치.
  3. 제 1 항에 있어서,
    상기 환경 매핑부는,
    상기 위치 참조 신호의 측정값을 유클리드 공간에 매핑하고, 디리클레 프로세스(Dirichlet Process, DP) 알고리즘에 기초하여 상기 가상 앵커 및 상기 산란 지점의 생성 위치를 매핑하되,
    상기 생성 위치의 확률에 기초하여 기존 클러스터 또는 신규 클러스터를 선택하여 클러스터링하는 것을 특징으로 하는 측위 장치.
  4. 제 1 항에 있어서,
    상기 환경 매핑부는,
    상기 생성 위치를 기준으로 상기 가상 앵커 또는 상기 산란 지점을 하나 이상의 클러스터에 클러스터링하고, 상기 단말의 주변 네트워크 환경을 나타내는 상기 네트워크 환경 맵 상에 상기 하나 이상의 클러스터의 위치를 매핑하는 것을 특징으로 하는 측위 장치.
  5. 제 4 항에 있어서,
    상기 네트워크 환경 맵은,
    상기 기지국, 상기 가상 앵커의 클러스터 및 상기 산란 지점의 클러스터 중 적어도 하나의 위치 정보를 포함하는 것을 특징으로 하는 측위 장치.
  6. 제 4 항에 있어서,
    상기 환경 매핑부는,
    수신된 상기 위치 참조 신호가 상기 가상 앵커로 인한 다중 경로 신호라고 가정하여 상기 생성 위치가 하나 이상의 고정된 지점에 클러스터로 표시되면, 상기 클러스터를 상기 가상 앵커의 클러스터로 구분하는 것을 특징으로 하는 측위 장치.
  7. 제 6 항에 있어서,
    상기 환경 매핑부는,
    상기 가상 앵커의 클러스터를 제외하고, 상기 위치 참조 신호를 상기 산란 지점으로 인한 다중 경로 신호로 가정하여 상기 생성 위치가 하나 이상의 고정된 지점에 클러스터로 표시되면, 상기 클러스터를 상기 산란 지점의 클러스터로 구분하는 것을 특징으로 하는 측위 장치.
  8. 제 1 항에 있어서,
    상기 상태 보정부는,
    상기 네트워크 환경 맵 상에 매핑된 상기 가상 앵커 및 상기 산란 지점의 생성 위치를 상기 위치 참조 신호의 측정값에 반영하고, 특정 필터를 적용하여 상기 제 2 상태 벡터를 보정하는 것을 특징으로 하는 측위 장치.
  9. 기지국으로부터 위치 참조 신호(Positioning Reference Signal, PRS)를 수신하고, 채널 추정을 통해 수신된 상기 위치 참조 신호의 측정값을 획득하는 측정값 획득 단계;
    미리 설정된 이동 모델 및 이전 시간에 획득한 단말의 제 1 상태 벡터를 이용하여 상기 단말의 제 2 상태 벡터를 예측하는 상태 예측 단계;
    상기 위치 참조 신호의 측정값과 상기 제 2 상태 벡터에 기초하여 상기 위치 참조 신호의 수신 경로 상에 존재하는 가상 앵커(virtual anchor, VA) 및 산란 지점(scattering point, SP)의 생성 위치를 추정하고, 상기 생성 위치를 클러스터링하여 상기 단말의 네트워크 환경 맵에 매핑하는 환경 매핑 단계; 및
    상기 네트워크 환경 맵의 매핑 결과를 이용하여 상기 제 2 상태 벡터를 보정하는 상태 보정 단계;를 포함하는 측위 방법.
  10. 제 9 항에 있어서,
    상기 측정값 획득 단계는,
    다중 경로를 통해 수신되는 상기 위치 참조 신호의 측정값에 기초하여 상기 단말의 상태 벡터, 상기 단말의 네트워크 환경 내 존자해는 상기 가상 앵커 또는 상기 산란 지점의 위치 정보 및 측정값 오차를 포함하는 측정 모델을 생성하는 것을 특징으로 하는 측위 방법.
  11. 제 9 항에 있어서,
    상기 환경 매핑 단계는,
    상기 위치 참조 신호의 측정값을 유클리드 공간에 매핑하고, 디리클레 프로세스(Dirichlet Process, DP) 알고리즘에 기초하여 상기 가상 앵커 및 상기 산란 지점의 생성 위치를 매핑하되,
    상기 생성 위치의 확률에 기초하여 기존 클러스터 또는 신규 클러스터를 선택하여 클러스터링하는 것을 특징으로 하는 측위 방법.
  12. 제 9 항에 있어서,
    상기 환경 매핑 단계는,
    상기 생성 위치를 기준으로 상기 가상 앵커 또는 상기 산란 지점을 하나 이상의 클러스터에 클러스터링하고, 상기 단말의 주변 네트워크 환경을 나타내는 상기 네트워크 환경 맵 상에 상기 하나 이상의 클러스터의 위치를 매핑하는 것을 특징으로 하는 측위 방법.
  13. 제 12 항에 있어서,
    상기 네트워크 환경 맵은,
    상기 기지국, 상기 가상 앵커의 클러스터 및 상기 산란 지점의 클러스터 중 적어도 하나의 위치 정보를 포함하는 것을 특징으로 하는 측위 방법.
  14. 제 12 항에 있어서,
    상기 환경 매핑 단계는,
    수신된 상기 위치 참조 신호가 상기 가상 앵커로 인한 다중 경로 신호라고 가정하여 상기 생성 위치가 하나 이상의 고정된 지점에 클러스터로 표시되면, 상기 클러스터를 상기 가상 앵커의 클러스터로 구분하는 것을 특징으로 하는 측위 방법.
  15. 제 13 항에 있어서,
    상기 환경 매핑 단계는,
    상기 가상 앵커의 클러스터를 제외하고, 상기 위치 참조 신호를 상기 산란 지점으로 인한 다중 경로 신호로 가정하여 상기 생성 위치가 하나 이상의 고정된 지점에 클러스터로 표시되면, 상기 클러스터를 상기 산란 지점의 클러스터로 구분하는 것을 특징으로 하는 측위 방법.
  16. 제 9 항에 있어서,
    상기 상태 보정 단계는,
    상기 네트워크 환경 맵 상에 매핑된 상기 가상 앵커 및 상기 산란 지점의 생성 위치를 상기 위치 참조 신호의 측정값에 반영하고, 특정 필터를 적용하여 상기 제 2 상태 벡터를 보정하는 것을 특징으로 하는 측위 방법.
KR1020210125481A 2021-09-23 2021-09-23 측위 장치 및 방법 Active KR102666053B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210125481A KR102666053B1 (ko) 2021-09-23 2021-09-23 측위 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210125481A KR102666053B1 (ko) 2021-09-23 2021-09-23 측위 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20230042801A KR20230042801A (ko) 2023-03-30
KR102666053B1 true KR102666053B1 (ko) 2024-05-16

Family

ID=85985940

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210125481A Active KR102666053B1 (ko) 2021-09-23 2021-09-23 측위 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102666053B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119562347A (zh) * 2023-09-04 2025-03-04 华为技术有限公司 确定位置信息的方法、装置和系统
KR20250101790A (ko) * 2023-12-27 2025-07-04 경기대학교 산학협력단 가상 앵커를 포함하는 라디오 맵을 이용한 위치측위 방법 및 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10736074B2 (en) * 2017-07-31 2020-08-04 Qualcomm Incorporated Systems and methods to facilitate location determination by beamforming of a positioning reference signal

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SEMANTIC SCHOLAR
한국통신학회 학술대회논문집_ 2021_02_188_189
한국통신학회 학술대회논문집_2021_6_1341_1342 (2 PAGES)

Also Published As

Publication number Publication date
KR20230042801A (ko) 2023-03-30

Similar Documents

Publication Publication Date Title
Ge et al. Single-anchor ultra-wideband localization system using wrapped PDoA
Adams et al. SLAM gets a PHD: New concepts in map estimation
Yao et al. Integrity monitoring for Bluetooth low energy beacons RSSI based indoor positioning
CN116678421B (zh) 基于多模块ble发射装置的多源融合定位方法及系统
EP3403116B1 (en) Method for calibrating a local positioning system based on time-difference-of-arrival measurements
US20160109556A1 (en) Mitigating effects of multipath during position computation
EP3001217A1 (en) Method and apparatus for object localization
KR102666053B1 (ko) 측위 장치 및 방법
Janicka et al. Application of RSSI based navigation in indoor positioning
Isaacs et al. GPS-optimal micro air vehicle navigation in degraded environments
US20160124069A1 (en) Systems and methods for estimating a two-dimensional position of a receiver
Huang et al. Scout: Outdoor localization using active RFID technology
JP2010127650A (ja) 移動体位置推定システムと移動体位置推定方法及び移動体位置推定プログラム
Sabra et al. Confidence-based underwater localization scheme for large-scale mobile sensor networks
Sun et al. Multi-robot range-only SLAM by active sensor nodes for urban search and rescue
EP3001214A1 (en) Method and apparatus for object localization
Ebner et al. On prior navigation knowledge in multi sensor indoor localisation
Jahagirdar et al. WiFi based indoor positioning system using machine learning and multi-node triangulation algorithms
US11408964B2 (en) Location estimating apparatus, location estimating method and program storing recording medium, and location estimating system
Mahardhika et al. Improving indoor positioning systems accuracy in closed buildings with kalman filter and feedback filter
Ayabakan et al. Fault tolerant indoor positioning based on federated Kalman filter
Röhrig et al. Wlan based pose estimation for mobile robots
Wang et al. Wireless sensor networks for underwater localization: A survey
Hadzagic et al. A Bayesian inference approach for batch trajectory estimation
Miyagusuku et al. Modeling robot orientation using wifi directional antennas and von mises distributions

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

D13-X000 Search requested

St.27 status event code: A-1-2-D10-D13-srh-X000

D14-X000 Search report completed

St.27 status event code: A-1-2-D10-D14-srh-X000

PG1501 Laying open of application

St.27 status event code: A-1-1-Q10-Q12-nap-PG1501

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U11-oth-PR1002

Fee payment year number: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601