• 목록

경북대 백호기 교수와 석사과정 배종현 학생(당시 학부 4학년)이 실내 무선 네트워크 환경에 적용 가능한 핑거프린팅 기반의 두 가지 위치인식 알고리즘으로 최대우도(ML: Maximum Likelihood) 알고리즘, 유효영역 최대우도(VAML: Valid Area Maximum Likelihood) 알고리즘을 제안하여 “추정거리의 구간을 활용한 RSSI 핑거프린팅 기반의 실내 위치인식 알고리즘”이라는 제목으로 한국통신학회 논문지에 게재하였다. 이는 SCOPUS 저널인 한국통신학회논문지에 4월호 우수 논문으로 선정되었다.

위 논문에서 제안한 ML 알고리즘은 센서 노드가 측정한 수신 신호 강도(RSSI: Received Signal Strength Indicator) 값을 데이터베이스에 저장된 격자점별 RSSI 확률 분포와 비교하여 확률밀도함수로부터 우도를 계산하고, 가장 높은 우도(likelihood)를 갖는 격자점을 센서노드의 추정위치로 결정하는 RSSI 핑거프린팅 기술이다. VAML 알고리즘은 ML 알고리즘의 시간 복잡도를 줄이기 위해 전체 격자점들 중 RSSI 측정치들에 대한 추정거리의 범위 내에서만 ML 알고리즘을 적용하는 방식으로, 측정된 RSSI 값에 해당되는 신호를 전송한 참조노드로부터 센서노드의 추정 거리의 범위를 경로손실 모델로부터 구하도록 설계하였다. 기존의 학습 기반 RSSI 핑거프린팅 기법들이 위치인식 모델을 생성하기 위해 RSSI에 다른 종류의 측정치를 결합한 하이브리드 형태의 파라미터를 시스템의 입력으로 활용하며 별도의 측정 및 계산 과정이 필요한 것과 달리, 제안한 VAML 알고리즘은 RSSI 측정치만을 활용하며 비교적 낮은 시간 복잡도를 가진다는 장점이 있으며, 추정위치의 정확도와 시간 복잡도를 k-최근접 이웃(kNN:k-Nearest Neighbor) 알고리즘 및 가중 k-최근접 이웃(wKNN: weighted kNN) 알고리즘과 비교하여 검증하였다. 또한, VAML 알고리즘의 주요 파라미터들이 추정위치의 정확도에 미치는 영향을 연구하였다.