1 |
1
위치 인식 정보의 송수신을 위한 송수신부와;
상기 위치 인식 정보를 기반으로 가중치를 포함하는 최대우도추정(Maximum Likelihood Estimation : MLE)을 이용하여 네트워크 내 특정 단위 블록에서의 위치 추정을 수행하는 위치 추정부와;
상기 위치 인식 정보 및 위치 추정부의 추정값을 이용하여 블라인드 노드의 위치를 계산하는 위치 계산부와;
상기 위치가 계산된 블라인드 노드와 주변 노드들간의 협업 위치 인식을 수행하고 노드들의 전체적인 위치를 계산하는 위치 인식부를 포함하여 구성되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
2 |
2
제 1항에 있어서, 상기 송수신부는
주기적으로 이미 위치가 알려진 노드들 및 위치가 추정된 노드들과 위치인식 정보를 교환하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
3 |
3
제 2항에 있어서, 주기적인 위치인식 정보 교환을 위한 타이밍 신호를 생성하는 타이머를 더 포함하여 구성되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
4 |
4
제 1항에 있어서, 상기 위치 추정부는
다음 [수학식 6]과 같은 최대우도 함수를 이용하여 해당 블라인드 노드의 위치를 추정하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
5 |
5
제 4항에 있어서, 상기 가중치는
기준 노드에 대해서 0인 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
6 |
6
제 4항에 있어서, 상기 가중치는
블라인드 노드의 경우 다음 [수학식 7]에서와 같이 크래머-라오 하한값(Cramer Rao Low Bound)에 가중치율(w)을 적용한 값이 되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
7 |
7
제 4항에 있어서, 상기 위치 추정부는
상기 최대우도 함수를 최소화하는 를 해당 블라인드 노드의 위치 추정값으로 결정하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
8 |
8
제 7항에 있어서, 상기 위치 추정부는
NCGM(Nonlinear Conjugate Gradient Method)을 이용한 방법을 이용하여 ML 함수를 최소화하는 를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
9 |
9
제 8항에 있어서, 상기 위치 추정부는
상기 NCGM을 이용한 방법에서 계산속도 향상을 위해 상기 최대우도 함수에 적합하도록 변형된 할선법의 라인탐색 알고리즘을 이용하는 폴락-리비레(Polak-Ribiere) 알고리즘을 사용하여 ML 함수를 최소화하는 를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
10 |
10
제 7항에 있어서, 상기 위치 추정부는
탐색 공간 내에서 반복적 계산을 통해 MLE를 최소화하는 방법을 이용하여 ML 함수를 최소화하는 를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
11 |
11
제 1항에 있어서, 상기 위치 인식부는
반복적으로 주변 노드들의 위치 인식 결과를 반영하여 위치 추정을 수행하고 위치 인식 결과를 갱신하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
12 |
12
제 1항에 있어서, 상기 위치 인식 정보는
수신신호강도(Recieved Signal Strength: RSS) 정보나 도래시간(Time Of Arrival: TOA) 정보, 가중치를 적용한 크래머-라오 하한값, 노드의 좌표 혹은 추정된 좌표 정보를 포함하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 장치
|
13 |
13
위치 인식이 요청되면 주변 노드들 중 기준 노드 및 위치가 추정된 블라인드 노드와 위치 인식 정보를 교환하는 단계와;
가중치를 포함하는 최대우도추정(Maximum Likelihood Estimation: MLE)을 이용하여 위치 추정을 수행하는 단계와;
상기 위치 인식 정보 및 위치 추정에 따른 추정값을 이용하여 위치 계산을 수행하는 단계와;
블라인드 노드들의 위치 인식 결과를 제공하는 단계를 포함하여 이루어지는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
14 |
14
제 13항에 있어서, 상기 위치 인식 정보 교환 단계에서
위치 인식은 주기적으로 요청되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
15 |
15
제 13항에 있어서, 상기 위치 인식 정보는
수신신호강도(Recieved Signal Strength: RSS) 정보나 도래시간(Time Of Arrival: TOA) 정보, 가중치를 적용한 크래머-라오 하한값, 노드의 좌표 혹은 추정된 좌표 정보를 포함하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
16 |
16
제 13항에 있어서, 상기 위치 추정 수행 단계에서
다음 [수학식 8]과 같은 최대우도(Maximum Likelihood: ML) 함수를 이용하여 블라인드 노드의 위치를 추정하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
17 |
17
제 16항에 있어서, 상기 가중치는
기준 노드에 대해서 0인 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
18 |
18
제 16항에 있어서, 상기 가중치는
블라인드 노드의 경우 다음 [수학식 9]에서와 같이 크래머-라오 하한값(Cramer Rao Low Bound)에 가중치율(w)을 적용한 값이 되는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
19 |
19
제 16항에 있어서, 상기 위치 추정 수행 단계에서
상기 최대우도 함수를 최소화하는 를 해당 블라인드 노드의 위치 추정값으로 결정하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
20 |
20
제 19항에 있어서, 상기 위치 추정 수행 단계에서
NCGM(Nonlinear Conjugate Gradient Method)을 이용한 방법을 이용하여 ML 함수를 최소화하는 를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
21 |
21
제 20항에 있어서, 상기 NCGM을 이용한 방법에서
계산속도 향상을 위해 상기 최대우도 함수에 적합하도록 변형된 할선법의 라인탐색 알고리즘을 이용하는 폴락-리비레(Polak-Ribiere) 알고리즘을 사용하여 ML 함수를 최소화하는 를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
22 |
22
제 16항에 있어서, 상기 위치 추정 수행 단계에서
탐색 공간 내에서 반복적 계산을 통해 MLE를 최소화하는 방법을 이용하여 ML 함수를 최소화하는 를 계산하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
23 |
23
제 13항에 있어서,
주기적으로 상기 위치 인식 정보 교환하는 단계, 상기 위치 추정을 수행하는 단계, 상기 위치 계산을 수행하는 단계 및 상기 위치 인식 결과를 제공하는 단계를 반복적으로 수행함으로써 반복적인 노드 간의 협업 위치 인식을 제공하는 것을 특징으로 하는 가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법
|
24 |
24
가중치를 포함하는 최대우도추정을 이용한 협업 위치 인식 방법에 있어서,
위치 인식이 요청되면 주변 노드들 중 기준 노드 및 위치가 추정된 블라인드 노드와 위치 인식 정보를 교환하는 단계와;
가중치를 포함하는 최대우도추정을 이용하여 위치 추정을 수행하는 단계와;
상기 위치 인식 정보 및 위치 추정에 따른 추정값을 이용하여 위치 계산을 수행하는 단계와;
블라인드 노드들의 위치 인식 결과를 제공하는 단계를 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체
|