| 1 |
1
무선 측위 시스템에 있어서,피측위 장치로부터 수신한 무선신호로부터 신호특성을 추출하여 신호정보를 생성하는 무선신호 수신부;상기 신호정보를 기 설정된 심층신경망의 각 행렬에 신호의 전력, 크기 또는 위상 값으로 대입하는 입력 데이터를 구성하는 학습데이터 생성부;기 설정된 목표횟수와 대응하도록 역전파 학습을 통해 상기 입력 데이터에 대한 오차를 최소화하도록 가중치를 갱신하고, 실제 측위용 무선신호 데이터를 심층신경망에 입력하여 출력 데이터를 생성하는 위치정보 학습/분석부; 및상기 심층신경망의 출력 데이터를 위치정보로 환산하여 실제 위치 정보를 산출하는 위치좌표 산출부를 포함하되,상기 무선신호 수신부는,각기 다른 지점에 위치하도록 n개로 구성되어 피측위 장치가 송신하는 무선신호를 수신하는 안테나; 및상기 무선신호로부터 시간, 주파수, 안테나에 따른 신호의 전력(power), 크기(amplitude), 및 위상(phase)을 추출하여 생성한 신호정보를 저장하는 신호특성 추출모듈;을 포함하는 것을 특징으로 하는 딥러닝을 이용한 무선 측위 시스템
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 학습데이터 생성부는,상기 무선신호 수신부로부터 인가받은 신호정보를 각 행렬에 신호의 전력, 크기 또는 위상 값으로 대입하되,상기 행렬의 행과 열 중 하나는 반드시 개별 수신 안테나로 설정하고, 나머지 행 또는 열은 시간, 주파수 또는 수신 방향각 중에 어느 하나의 값으로 설정하는 것을 특징으로 하는 딥러닝을 이용한 무선 측위 시스템
|
| 4 |
4
제1항에 있어서,상기 위치정보 학습/분석부는,학습용 신호 데이터를 심층신경망에 입력하여 피드포워드 연산을 통해 심층신경망의 출력값을 도출하고, 심층신경망의 출력값과 목표값의 오차를 cost function을 이용하여 비용함수를 산출하며, 심층신경망의 역전파 학습을 통해 오차(비용함수)를 최소화 하도록 피드포워드 연산 가중치를 결정하는 측위 알고리즘 학습모듈; 및실제 측위용 신호정보를 상기 심층신경망에 입력하고, 피드포워드 연산을 통해 심층신경망의 출력 데이터를 생성하는 실제 측위정보 분석모듈;을 포함하는 것을 특징으로 하는 딥러닝을 이용한 무선 측위 시스템
|
| 5 |
5
제1항에 있어서,상기 위치정보 학습/분석부는,2차원 행렬 형태의 신호정보 입력 데이터의 특징을 추출하는 1단계 레이어(Kernel), 2단계 레이어(Kernel) 및 3단계 레이어(max pooling 레이어)를 구성하고, 추출한 특징을 분류하는 4단계 레이어(full-connected 레이어)를 구성하되,상기 1단계 레이어 및 2단계 레이어는, 2차원 행렬 형태의 미지수와 입력 데이터와의 컨볼루션(convolution) 연산을 수행하고,상기 3단계 레이어는, 상기 입력 데이터의 행의 크기를 절반으로 줄이며,상기 4단계 레이어는, 상기 3단계 레이어의 출력 값들을 벡터 형태로 나열하여 입력하는 것을 특징으로 하는 딥러닝을 이용한 무선 측위 시스템
|
| 6 |
6
제4항에 있어서,상기 비용함수는,피드포워드(feedforward) 신경망의 출력 값과 정답 값의 차이를 수학적으로 정의한 것으로 [수학식 3]을 통해 도출하며, 역전파 학습을 통해 상기 비용함수 값이 최소가 되도록 가중치를 결정하는 것을 특징으로 하는 딥러닝을 이용한 무선 측위 시스템
|
| 7 |
7
제1항에 있어서,상기 위치좌표 산출부는,상기 심층신경망의 출력 데이터에 대한 출력 벡터의 인덱스를 [수학식 9]를 통해 벡터 행렬 H로 정의하는 것을 특징으로 하는 딥러닝을 이용한 무선 측위 시스템
|
| 8 |
8
무선 측위 방법에 있어서,(a) 무선신호 수신부가 피측위 장치로부터 수신한 무선신호로부터 신호특성을 추출하여 신호정보를 생성하는 단계;(b) 학습데이터 생성부가 상기 신호정보를 기 설정된 심층신경망의 각 행렬에 신호의 전력, 크기 또는 위상 값으로 대입하는 입력 데이터를 구성하는 단계;(c) 위치정보 학습/분석부가 기 설정된 목표횟수와 대응하도록 역전파 학습을 통해 입력 데이터에 대한 오차를 최소화하도록 가중치를 갱신하고, 실제 측위용 무선신호 데이터를 심층신경망에 입력하여 출력 데이터를 생성하는 단계; 및(d) 위치좌표 산출부가 심층신경망의 출력 데이터를 위치정보로 환산하여 실제 위치 정보를 산출하는 단계를 포함하되,상기 (a) 단계는,(a-1) 무선신호 수신부의 안테나가 각기 다른 지점에 위치하도록 n개로 구성되어 피측위 장치가 송신하는 무선신호를 수신하는 단계; 및(a-2) 무선신호 수신부의 신호특성 추출모듈이 무선신호로부터 시간, 주파수, 안테나에 따른 신호의 전력(power), 크기(amplitude), 및 위상(phase)을 추출하여 생성한 신호정보를 저장하는 단계;를 포함하는 것을 특징으로 하는 딥러닝을 이용한 무선 측위 방법
|
| 9 |
9
삭제
|
| 10 |
10
제8항에 있어서,상기 (c) 단계는,(c-1) 위치정보 학습/분석부의 측위 알고리즘 학습모듈이 학습용 신호 데이터를 심층신경망에 입력하는 단계;(c-2) 위치정보 학습/분석부의 측위 알고리즘 학습모듈이 심층신경망에 입력된 데이터를 피드포워드 연산을 통해 심층신경망의 출력값을 도출하는 단계;(c-3) 위치정보 학습/분석부의 측위 알고리즘 학습모듈이 심층신경망의 출력값과 목표값의 오차를 cost function을 이용하여 비용함수를 산출하는 단계;(c-4) 위치정보 학습/분석부의 측위 알고리즘 학습모듈이 심층신경망의 역전파 학습을 통해 오차(비용함수)를 최소화 하도록 피드포워드 연산 가중치를 결정하는 단계;(c-5) 위치정보 학습/분석부의 실제 측위정보 분석모듈이 실제 측위용 신호정보를 심층신경망에 입력하는 단계; 및(c-6) 위치정보 학습/분석부의 실제 측위정보 분석모듈이 피드포워드 연산을 통해 심층신경망의 출력 데이터를 생성하는 단계;를 포함하는 것을 특징으로 하는 딥러닝을 이용한 무선 측위 방법
|
