DNN 기반의 다중 분류를 이용한 UWB AoA 위치 보정 알고리즘

Abstract

본 논문에서는 Ultra-wideband (UWB) 기술을 활용하여 Double-side TWR (DS-TWR)/Angle of Arrival (AoA) 측위 기법을 기반으로 Tag의 위치를 추정하고, 측위 각도를 기반으로 한 오차 각도 보정을 통해 정확한 실내 위치 좌표를 계산하는 시스템을 제안한다. 본 시스템은 UWB Anchor 모듈 내의 안테나 배치와 실내 환경에 영향으로 인한 측위 각도의 오차를 보정하기 위해 딥러닝 (Deep Learning) 기반의 다중 분류 (Multiclass Classification)를 이용하여 측위 각도의 오차에 따른 구역을 분류하고, 각 구역에 대한 오차 보정을 위한 가중치를 조정함으로써 효과적인 각도 보정 알고리즘을 적용한다. 이 보정된 각도와 측위 거리 데이터를 기반으로 Kalman Filter (KF)를 적용하여 Tag의 정확한 위치 좌표를 계산한다. 본 시스템의 성능에 대한 평가를 위해 실내 환경에서 이동하는 Tag의 위치 추정하기 위한 실험을 진행하였다. 시스템의 정량적 평가를 위해 테스트 환경의 Ground Truth 좌표를 기준으로 UWB 단일 측위를 통한 위치 좌표와 보정된 각도를 통한 위치 좌표 간의 평균 제곱근 오차 (RMSE, Root Mean Squared Error)를 계산하여 시스템 정확도를 비교하였다. 성능 평가 결과, 각도 보정을 통해 구현한 본 시스템의 성능이 이전에 비해 향상된 것을 확인할 수 있다.