맞춤기술찾기

이전대상기술

딥-러닝을 통한 무선신호 전파 채널 해석을 이용한 실내공간의 구조를 예측하는 방법

  • 기술번호 : KST2019020950
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 딥-러닝을 통한 무선신호 전파 채널 해석을 이용한 실내공간의 구조를 예측하는 방법이 개시된다. 다양한 실내공간에 관하여 무선신호의 채널 데이터를 수집하고, 그로부터 PDP, AoA, AoD와 같은 전파 채널 파라미터 데이터를 추출한다. 다량의 전파 채널 파라미터 데이터를 대응하는 실내공간의 꼭지점 좌표값 데이터와 함께 인공 신경망에 입력하여 미리 딥-러닝한다. 예측대상인 실내공간에서 전파 채널 파라미터 데이터를 추출하고, 그 데이터를 학습된 인공 신경망에 기초하여 가장 잘 매칭되는 실내공간을 찾아내고, 그 최적 매칭 실내공간을 예측대상 실내공간의 구조로 예측한다.
Int. CL G01S 11/02 (2010.01.01) G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC G01S 11/02(2013.01) G01S 11/02(2013.01) G01S 11/02(2013.01)
출원번호/일자 1020180049639 (2018.04.30)
출원인 서울대학교산학협력단
등록번호/일자 10-2114033-0000 (2020.05.18)
공개번호/일자 10-2019-0125624 (2019.11.07) 문서열기
공고번호/일자 (20200525) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.04.30)
심사청구항수 18

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 서울대학교산학협력단 대한민국 서울특별시 관악구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김성철 서울특별시 서초구
2 이정용 서울특별시 관악구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 박영우 대한민국 서울특별시 강남구 논현로 ***, *층 **세기특허법률사무소 (역삼동, 세일빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 서울대학교 산학협력단 서울특별시 관악구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2018.04.30 수리 (Accepted) 1-1-2018-0425580-85
2 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.05.13 수리 (Accepted) 4-1-2019-5093546-10
3 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.05.23 수리 (Accepted) 4-1-2019-5101798-31
4 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.08.02 수리 (Accepted) 4-1-2019-5154561-59
5 의견제출통지서
Notification of reason for refusal
2019.09.03 발송처리완료 (Completion of Transmission) 9-5-2019-0639328-85
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2019.10.23 수리 (Accepted) 1-1-2019-1083051-80
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2019.10.23 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-1083052-25
8 등록결정서
Decision to grant
2020.02.18 발송처리완료 (Completion of Transmission) 9-5-2020-0120307-12
9 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.11.25 수리 (Accepted) 4-1-2020-5265458-48
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
다수의 학습용 실내공간에 대하여 학습용 전파 채널 파라미터 데이터를 추정하는 단계, 여기서 상기 학습용 전파 채널 파라미터 데이터는 상기 다수의 학습용 실내공간 각각의 내부에서 송수신기의 위치를 변경하면서 상기 송수신기가 무선 전파 신호를 송신하여 다중 전파 채널 경로를 통해 수신한 무선 전파 신호로부터 추정되고;상기 다수의 학습용 실내공간 각각의 꼭지점들의 좌표값과 추정된 상기 학습용 전파 채널 파라미터 데이터를 인공 신경망의 입력으로 사용하여 상기 학습용 전파 채널 파라미터 데이터와 학습용 실내공간의 구조 간의 대응관계를 딥-러닝 하는 단계;예측대상 실내공간에서 송수신기가 송신하여 다중 전파 채널 경로를 통해 수신한 제1 무선신호로부터 제1 전파 채널 파라미터 데이터를 추정하는 단계; 및상기 인공 신경망을 통해 딥-러닝한 데이터에 기초하여, 추정된 상기 제1 전파 채널 파라미터 데이터와 최적 매칭을 이루는 실내공간의 구조를 찾아서 상기 예측대상 실내공간의 구조로 예측하는 단계를 포함하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
2 2
제1항에 있어서, 상기 학습용 전파 채널 파라미터 데이터를 추정하는 단계는, 각 학습용 실내공간 내에서, 송신기가 학습용 무선신호를 송신하는 단계; 수신기가 상기 학습용 실내공간의 다중 전파 채널 경로를 통과한 학습용 무선신호를 수신하는 단계; 및 수신된 상기 학습용 무선신호를 분석하여 상기 학습용 실내공간에 관한 학습용 전파 채널 파라미터 데이터를 추정하는 단계를 포함하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
3 3
제2항에 있어서, 상기 학습용 전파 채널 파라미터 데이터는 상기 학습용 무선신호의 전력지연 프로파일(PDP)과, 상기 학습용 무선신호의 도래각(AoA) 프로파일과 발사각(AoD) 프로파일 중 적어도 하나를 학습용 전파 채널 파라미터로 사용하여 얻은 데이터를 포함하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
4 4
제2항에 있어서, 상기 수신기가 무지향성 안테나 (omnidirectional antenna)를 사용하는 경우, 상기 학습용 무선신호의 전력지연 프로파일(PDP) 데이터를 상기 학습용 전파 채널 파라미터 데이터로서 추정하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
5 5
제4항에 있어서, 상기 전력지연 프로파일은 최소제곱법 또는 최소 평균 제곱 오차법을 사용하여 추정되는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
6 6
제3항에 있어서, 상기 수신기가 지향성을 갖는 배열 안테나를 사용하는 경우, 상기 학습용 무선신호의 도래각(AoA) 프로파일을 상기 학습용 전파 채널 파라미터 데이터로서 추정하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
7 7
제3항에 있어서, 상기 송신기가 지향성을 갖는 배열 안테나를 사용하는 경우, 상기 학습용 무선신호의 발사각(AoD) 프로파일을 상기 학습용 전파 채널 파라미터 데이터로서 추정하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
8 8
제2항에 있어서, 상기 학습용 전파 채널 파라미터 데이터의 추정은 상기 송신기와 상기 수신기가 근접하게 위치한 상태에서 3D 무선신호선 추적 기법(3D radio ray tracing method)을 이용하여 수행되는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
9 9
제1항에 있어서, 상기 제1 전파 채널 파라미터 데이터를 추정하는 단계는, 상기 송수신기의 송신기와 수신기가 지향성을 갖는 배열 안테나를 사용하는 경우, 상기 송신기와 상기 수신기의 배열 안테나를 회전시키면서 상기 제1 무선신호를 송수신하는 단계; 및 회전하면서 수신된 상기 제1 무선신호의 데이터를 병합하여 무지향성 안테나와 같은 효과를 생성하는 단계를 포함하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
10 10
제1항에 있어서, 상기 대응관계를 딥-러닝 하는 단계는, 상기 다수의 학습용 실내공간 각각의 꼭지점들의 좌표값과 상기 학습용 전파 채널 파라미터 데이터를 상기 인공 신경망의 딥-러닝을 위한 입력 데이터로 제공하는 단계; 상기 인공 신경망에서, 입력된 상기 학습용 전파 채널 파라미터 데이터를 딥-러닝하여 대응되는 실내공간의 추정된 꼭지점들의 좌표값을 구하는 단계; 상기 추정된 꼭지점들의 좌표값과 상기 대응되는 실내공간의 실제 꼭지점들의 좌표값 간의 차이값을 산출하는 단계; 상기 차이값이 작아지도록 가중치를 조정하는 단계; 및 조정된 가중치를 적용하여 상기 차이값을 다시 산출하는 것을 반복하고, 다시 산출된 차이값이 문턱값 이하로 작아지는 경우, 상기 대응관계를 딥-러닝 하는 것을 종료하는 단계를 포함하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
11 11
제1항에 있어서, 상기 제1 전파 채널 파라미터 데이터를 추정하는 단계는, 상기 예측대상 실내공간 내에 위치하는 송신기에서 상기 제1 무선신호를 송신하는 단계; 상기 예측대상 실내공간 내에 상기 송신기와 근접하게 위치한 수신기가 상기 예측대상 실내공간의 다중 전파 채널 경로를 거친 제1 무선신호를 수신하는 단계; 및 송수신된 상기 제1 무선신호를 분석하여 상기 예측대상 실내공간에 관한 제1 전파 채널 파라미터 데이터를 추정하는 단계를 포함하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
12 12
제11항에 있어서, 상기 예측하는 단계는, 추정된 상기 제1 전파 채널 파라미터 데이터를 학습된 상기 인공 신경망에 입력하여 상기 제1 전파 채널 파라미터 데이터와 최적 매칭을 이루는 실내공간의 구조를 찾아내는 단계; 및 찾아낸 실내공간의 꼭지점들의 좌표값을 상기 예측대상 실내공간의 꼭지점들의 좌표값으로 추정하는 단계를 포함하는 것을 특징으로 하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
13 13
제11항에 있어서, 상기 송신기가 송신하는 상기 제1 무선신호는 프리앰블 신호인 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
14 14
제11항에 있어서, 상기 수신기가 무지향성 안테나를 사용하는 경우, 상기 제1 무선신호의 전력지연 프로파일(PDP) 데이터를 상기 제1 전파 채널 파라미터 데이터로서 추정하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
15 15
제14항에 있어서, 상기 수신기가 지향성을 갖는 배열 안테나를 사용하는 경우, 상기 제1 무선신호의 도래각(AoA) 프로파일을 상기 제1 전파 채널 파라미터 데이터로서 더 추정하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
16 16
제14항에 있어서, 상기 송신기가 지향성을 갖는 배열 안테나를 사용하는 경우, 상기 제1 무선신호의 발사각(AoD) 프로파일을 상기 제1 전파 채널 파라미터 데이터로서 더 추정하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
17 17
제11항에 있어서, 상기 제1 전파 채널 파라미터 데이터는 (i) 상기 제1 무선신호의 전력지연 프로파일(PDP) 데이터를 포함하거나 또는, (ii) 상기 제1 무선신호의 도래각(AoA) 프로파일 데이터와 발사각(AoD) 프로파일 데이터 중 적어도 어느 하나와 상기 제1 무선신호의 전력지연 프로파일(PDP) 데이터를 포함하는 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
18 18
제1항에 있어서, 상기 인공 신경망은 다중 레이어 퍼셉트론 구조를 갖는 인공 신경망인 것을 특징으로 하는 딥-러닝 기반 무선신호 전파채널 해석을 이용한 실내공간의 구조 예측 방법
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2019212069 WO 세계지적재산권기구(WIPO) FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2019212069 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 미래창조과학부 서울대학교 이공계분야기초연구사업/중견연구자지원사업 최대 100km 연근해상에서의 초고속 데이터 서비스 제공 및 사고예방 안전운항을 위한 해상 광대역 디지털 통신 시스템 구축 및 초정밀 위치인식 기술 개발