Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Environment-Aware Indoor LoRaWAN Ranging Using Path Loss Model Inversion and Adaptive RSSI Filtering

Created by
  • Haebom
Category
Empty

저자

Nahshon Mokua Obiri, Kristof Van Laerhoven

개요

LoRaWAN을 이용한 실내 거리 측정을 위한 경량화된 파이프라인 제시. 다중 경로, 인적 방해, 미기후 변화로 인한 비정상적인 RSSI (Received Signal Strength Indicator) 감쇠 문제를 해결하기 위해, 환경 인지 다중 벽 경로 손실 모델과 전방향 혁신 기반 칼만 사전 필터를 결합. 주파수, SNR, 환경 공변량(온도, 습도, 이산화탄소, 미세 입자, 기압)을 거리 및 벽 요소와 결합한 모델을 사용하여 거리 추정을 수행. 1년 동안 수집된 2백만 개 이상의 데이터셋에서 평균 절대 오차 4.74m, RMSE 6.76m의 거리 추정 성능을 달성.

시사점, 한계점

•
시사점:
◦
LoRaWAN 기반 실내 거리 측정의 정확도 향상.
◦
환경 요소를 고려하여 RSSI 기반 거리 측정의 성능 개선.
◦
경량화된 파이프라인으로 구현 용이성 및 효율성 확보.
◦
단일 앵커 기반의 정확하고 견고한 거리 측정 방법 제시.
◦
다중 게이트웨이 기반 위치 추정의 기반 마련.
•
한계점:
◦
단일 게이트웨이 환경에서만 검증됨.
◦
실제 환경에서의 성능 검증 필요.
◦
구체적인 환경 변화에 대한 모델의 적응성 추가 연구 필요.
👍
Made with Slashpage