| 1 |
1
운영 지역에서의 무선 신호에 대한 정보를 기초로 상기 운영 지역에 위치하는 적어도 하나의 제1 기지국의 위치 정보 및 제1 기준 신호 수신 전력(Reference Signal Received Power)을 생성하는 제1 정보 생성부;제1 사용자 단말의 위치 정보를 기초로 기계 학습을 통해 얻은 가중치(weight) 및 바이어스(bias)를 포함하는 파라미터를 획득하는 파라미터 획득부; 및상기 제1 기지국의 위치 정보, 상기 제1 기준 신호 수신 전력 및 상기 파라미터를 기초로 상기 운영 지역에 위치하는 제2 사용자 단말의 위치를 추정하는 단말 위치 추정부를 포함하되,상기 제1 정보 생성부는, 상기 운영 지역에서의 무선 신호에 대한 정보를 기초로 상기 제1 기지국의 PCI(Physical Cell Id) 및 상기 제1 기준 신호 수신 전력을 생성하는 운영 지역 정보 생성부; 상기 제1 기지국의 PCI와 데이터베이스에 저장된 PCI를 비교하여 상기 제1 기지국의 위치 정보를 검출하는 제2 기지국 위치 검출부; 및 다른 시간에 검출 및 생성된 정보들을 기초로 현재 시간에 검출 및 생성된 상기 제1 기지국의 위치 정보 및 상기 제1 기준 신호 수신 전력을 갱신하는 제2 위치 및 수신 전력 갱신부를 포함하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 2 |
2
제 1 항에 있어서,상기 단말 위치 추정부는 상기 제2 사용자 단말에 GPS 기능이 없거나 상기 제2 사용자 단말에서 GPS 기능이 정상적으로 작동하지 않을 때, 상기 제2 사용자 단말의 위치를 추정하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 3 |
3
제 1 항에 있어서,훈련 지역에서의 무선 신호에 대한 정보를 기초로 상기 훈련 지역에 위치하는 제1 사용자 단말의 위치 정보, 상기 훈련 지역에 위치하는 적어도 하나의 제2 기지국의 위치 정보 및 제2 기준 신호 수신 전력을 생성하는 제2 정보 생성부; 및상기 제1 사용자 단말의 위치 정보, 상기 제2 기지국의 위치 정보 및 상기 제2 기준 신호 수신 전력을 기초로 딥 러닝(deep learning) 기반의 기계 학습을 통해 상기 파라미터를 생성하는 파라미터 생성부를 더 포함하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 4 |
4
제 3 항에 있어서,상기 제2 정보 생성부는,상기 훈련 지역에서의 무선 신호에 대한 정보를 기초로 상기 제1 사용자 단말의 위치 정보, 상기 제2 기지국의 PCI(Physical Cell Id) 및 상기 제2 기준 신호 수신 전력을 생성하는 훈련 지역 정보 생성부;상기 제2 기지국의 PCI와 데이터베이스에 저장된 PCI를 비교하여 상기 제2 기지국의 위치 정보를 검출하는 제1 기지국 위치 검출부; 및다른 시간에 검출 및 생성된 정보들을 기초로 현재 시간에 검출 및 생성된 상기 제2 기지국의 위치 정보 및 상기 제2 기준 신호 수신 전력을 갱신하는 제1 위치 및 수신 전력 갱신부를 포함하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 5 |
5
제 4 항에 있어서,상기 제1 위치 및 수신 전력 갱신부는 상기 현재 시간에 검출된 상기 제2 기지국의 위치 정보와 관련된 벡터 성분, 상기 현재 시간에 생성된 상기 제2 기준 신호 수신 전력과 관련된 벡터 성분, 상기 다른 시간에 검출된 상기 제2 기지국의 위치 정보와 관련된 벡터 성분, 및 상기 다른 시간에 생성된 상기 제2 기준 신호 수신 전력과 관련된 벡터 성분을 상호 결합시키는 컨텍스트 윈도우(context window)를 적용하여 상기 현재 시간에 검출된 상기 제2 기지국의 위치 정보 및 상기 현재 시간에 생성된 상기 제2 기준 신호 수신 전력을 갱신하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 6 |
6
제 4 항에 있어서,상기 제1 위치 및 수신 전력 갱신부는 상기 다른 시간에 검출 및 생성된 정보들로 상기 현재 시간의 이전 시간에 검출된 상기 제2 기지국의 위치 정보, 상기 이전 시간에 생성된 상기 제2 기준 신호 수신 전력, 상기 현재 시간의 이후 시간에 검출된 상기 제2 기지국의 위치 정보, 및 상기 이후 시간에 생성된 상기 제2 기준 신호 수신 전력을 이용하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 7 |
7
제 4 항에 있어서,상기 제2 정보 생성부는,상기 제2 기지국의 개수를 결정하며, 상기 제2 기지국의 개수를 기초로 상기 훈련 지역에서의 무선 신호에 대한 정보를 추출하는 제1 무선 신호 정보 추출부; 및상기 제1 사용자 단말의 위치 정보, 갱신된 상기 제2 기지국의 위치 정보 및 갱신된 상기 제2 기준 신호 수신 전력을 데이터 정규화시키는 제1 정규화부를 더 포함하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 8 |
8
제 3 항에 있어서,상기 파라미터 생성부는 상기 제2 기지국의 위치 정보 및 상기 제2 기준 신호 수신 전력을 입력값으로 하고 상기 제1 사용자 단말의 위치 정보를 출력값으로 하여, 상기 입력값에 의한 순전파(feedforward) 및 상기 출력값에 의한 역전파(backpropagation)를 기초로 상기 파라미터를 생성하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 9 |
9
삭제
|
| 10 |
10
제 1 항에 있어서,상기 제2 위치 및 수신 전력 갱신부는 상기 현재 시간에 검출된 상기 제1 기지국의 위치 정보와 관련된 벡터 성분, 상기 현재 시간에 생성된 상기 제1 기준 신호 수신 전력과 관련된 벡터 성분, 상기 다른 시간에 검출된 상기 제1 기지국의 위치 정보와 관련된 벡터 성분, 및 상기 다른 시간에 생성된 상기 제1 기준 신호 수신 전력과 관련된 벡터 성분을 상호 결합시키는 컨텍스트 윈도우(context window)를 적용하여 상기 현재 시간에 검출된 상기 제1 기지국의 위치 정보 및 상기 현재 시간에 생성된 상기 제1 기준 신호 수신 전력을 갱신하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 11 |
11
제 1 항에 있어서,상기 제2 위치 및 수신 전력 갱신부는 상기 다른 시간에 검출 및 생성된 정보들로 상기 현재 시간의 이전 시간에 검출된 상기 제1 기지국의 위치 정보, 상기 이전 시간에 생성된 상기 제1 기준 신호 수신 전력, 상기 현재 시간의 이후 시간에 검출된 상기 제1 기지국의 위치 정보, 및 상기 이후 시간에 생성된 상기 제1 기준 신호 수신 전력을 이용하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 12 |
12
제 1 항에 있어서,상기 제1 정보 생성부는,상기 제1 기지국의 개수를 결정하며, 상기 제1 기지국의 개수를 기초로 상기 운영 지역에서의 무선 신호에 대한 정보를 추출하는 제2 무선 신호 정보 추출부; 및갱신된 상기 제1 기지국의 위치 정보 및 갱신된 상기 제1 기준 신호 수신 전력을 데이터 정규화시키는 제2 정규화부를 더 포함하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 13 |
13
제 1 항에 있어서,상기 단말 위치 추정부는 훈련 지역에 위치하는 적어도 하나의 제2 기지국의 위치 정보와 상기 훈련 지역에서의 제2 기준 신호 수신 전력을 연산하여 얻은 정보를 기초로, 데이터 정규화된 상기 제1 기지국의 위치 정보, 데이터 정규화된 상기 제1 기준 신호 수신 전력, 및 데이터 정규화된 상기 파라미터를 차례대로 역정규화시켜 상기 제2 사용자 단말의 위치를 추정하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 14 |
14
제 1 항에 있어서,상기 제1 정보 생성부는 상기 제1 기지국의 위치 정보로 상기 제1 기지국의 위도와 상기 제1 기지국의 경도를 생성하며,상기 단말 위치 추정부는 상기 제2 사용자 단말의 위치로 상기 제2 사용자 단말의 위도와 상기 제2 사용자 단말의 경도를 추정하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 15 |
15
제 1 항에 있어서,상기 단말 위치 추정부는 현재 시간을 기준으로 미리 정해진 시간이 경과한 뒤 상기 제2 사용자 단말의 위치를 추정하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 장치
|
| 16 |
16
운영 지역에서의 무선 신호에 대한 정보를 기초로 상기 운영 지역에 위치하는 적어도 하나의 제1 기지국의 위치 정보 및 제1 기준 신호 수신 전력(Reference Signal Received Power)을 생성하는 제1 정보 생성 단계;제1 사용자 단말의 위치 정보를 기초로 기계 학습을 통해 얻은 가중치(weight) 및 바이어스(bias)를 포함하는 파라미터를 획득하는 파라미터 획득 단계; 및상기 제1 기지국의 위치 정보, 상기 제1 기준 신호 수신 전력 및 상기 파라미터를 기초로 상기 운영 지역에 위치하는 제2 사용자 단말의 위치를 추정하는 단말 위치 추정 단계를 포함하되,상기 제1 정보 생성 단계, 상기 운영 지역에서의 무선 신호에 대한 정보를 기초로 상기 제1 기지국의 PCI(Physical Cell Id) 및 상기 제1 기준 신호 수신 전력을 생성하는 단계; 상기 제1 기지국의 PCI와 데이터베이스에 저장된 PCI를 비교하여 상기 제1 기지국의 위치 정보를 검출하는 단계; 및 다른 시간에 검출 및 생성된 정보들을 기초로 현재 시간에 검출 및 생성된 상기 제1 기지국의 위치 정보 및 상기 제1 기준 신호 수신 전력을 갱신하는 단계를 포함하는 것을 특징으로 하는 딥 러닝 기반 사용자 단말 위치 추정 방법
|
