Earticle

The existence of abnormal breakpoint data leads to poor channel balance in wireless sensor networks (WSN). To enhance the communication quality of WSNs, a method for positioning abnormal breakpoint data in WSNs on the basis of signal reconstruction is studied. The WSN signal is collected using compressed sensing theory; the common part of the associated data set is mined by exchanging common information among the cluster head nodes, and the independent parts are updated within each cluster head node. To solve the non-convergence problem in the distributed computing, the approximate term is introduced into the optimization objective function to make the sub-optimization problem strictly convex. And the decompressed sensing signal reconstruction problem is addressed by the alternating direction multiplier method to realize the distributed signal reconstruction of WSNs. Based on the reconstructed WSN signal, the abnormal breakpoint data is located according to the characteristic information of the cross-power spectrum. The proposed method can accurately acquire and reconstruct the signal, reduce the bit error rate during signal transmission, and enhance the communication quality of the experimental object.

Indoor positioning has diverse applications in public safety, industry, and healthcare [1]. This paper presents a robot-assisted data collection method to overcome the inefficiencies of conventional smartphone-based approaches in indoor positioning. By integrating advanced hardware and software optimizations, the robot achieves efficient and comprehensive Wi-Fi RSSI (Received Signal Strength Indicator) data acquisition at reference points (RPs). Experimental results demonstrate that the robot-assisted system achieves a positioning accuracy of 91.92%, improving accuracy by 1.8% compared to the smartphone-based method [2], while reducing data collection time by 59%. The results validate the proposed method’s efficiency, systematization, and effectiveness in improving indoor positioning.

In this paper, a specific type of incomplete data in Wi-Fi fingerprinting based indoor positioning systems (WF-IPS) is presented: censored and dropped mixture data. For fitting this type of data, a censored and dropped Gaussian Mixture Model (CD-GMM) was proposed. Further, an extended version of the Expectation-Maximization (EM) algorithm is developed for estimating parameters of this model. Simulation results demonstrate the effectiveness of the proposed method for parameter estimation.

GPS 반송파를 사용하는 GPS/INS 통합 측위 기술은 서로가 가지는 기술적 한계를 상호 극복하여 그 성능을 최대화 할 수 있어 측량과 항법의 다양한 분야에 활용되고 있다. 그러나 GPS/INS 통합 측위을 통하여 수 센티미터의 정확도를 확보하기 위해서는 기준국과 이동국 수신기 사이의 간격이 10~20Km 이내로 제한되어야 하는 단점을 가지고 있으며 이는 두 시스템 관측데이터를 통합 처리하더라도 그 정확도는 여전히 GPS 위성궤도 오차, 전리층 영향 그리고 대류권 지연과 같은 기선장에 따른 오차의 영향을 받기 때문이다. 이것은 3대 이상의 기준국 관측데이터를 사용하여 기선장에 따른 오차 보정량을 추정하여 이동국 관측데이터에서 그 영향을 최소화하여 극복 할 수 있다. 따라서 본 논문에서는 다중의 기준국 관측데이터를 사용하여 기선장에 따른 오차 보정량 결정을 위한 기준국 반송파 미지정수 결정, 칼만필터에 의한 기선장에 따른 오차 추정 그리고 기준국과 이동국의 기하관계에 의한 오차 보간을 통한 보정량 산출 알고리즘 제안하고 실제 관측데이터 처리를 통해 그 성능을 평가 하였다.

Integrating the Global Positioning System (GPS) and Inertial Navigation System (INS) sensor technologies using the precise GPS Carrier phase measurements is a methodology that has been widely applied in those application fields requiring accurate and reliable positioning and attitude determination; ranging from 'kinematic geodesy', to mobile mapping and imaging, to precise navigation. However, such integrated system may not fulfil the demanding performance requirements when the baseline length between reference and mobil user GPS receiver is grater than a few tens of kilometers. This is because their positioning/attitude determination is still very dependent on the errors of the GPS observations, so-called "baseline dependent errors". This limitation can be remedied by the integration of GPS and INS sensors, using multiple reference stations. Hence, in order to derive the GPS distance dependent errors, this research proposes measurement processing algorithms for multiple reference stations, such as a reference station ambiguity resolution procedure using linear combination techniques, a error estimation based on Kalman filter and a error interpolation. In addition, all the algorithms are evaluated by processing real observations and results are summarized in this paper.

음원 및 수신기의 3축 자동위치제어가 가능하고 정밀도가 향상된 탄성파 단면 영상화 및 자료처리 적용을 위한 해양 탄성파 축소모형 시스템을 개발하였다. 개발한 축소모형 시스템의 성능 검증 및 적용성을 파악하기 위하여음원 및 수신기의 심도 변화에 따른 탄성파 자료를 취득하였다. 취득한 자료를 수치모형 실험 자료와 비교해본 결과반사파의 경향이 일치하였다. 탄성파 축소모형 시스템의 적용성을 파악하기 위하여 암염 돔 모델에서 다중채널 탄성파 탐사를 수행하였으며, 속도 분석, Kirchhoff 구조보정 등의 자료처리 기법 적용하였다. 취득한 탄성파 단면과 지층모델 단면이 일치하였으며, 실제 파동 전파 현상으로 나타나는 반사, 다중반사, 회절 등과 같은 현상이 발생한 것을 확인하였다. 본 연구에서 개발한 해양환경 탄성파 축소모형 시스템을 활용하여 현장 탐사와 유사한 자료를 경제적으로취득이 가능하며, 탄성파 탐사 기법 모사, 현장 탐사 설계, 자료처리 알고리즘 검증 등에 활용될 것으로 판단된다

A seismic physical modeling system capable of automatic 3-axis positioning control of seismic sources and receivers was developed to allow more accurate seismic imaging and data processing. To verify the applicability of the system, data were acquired for sources and receivers at various depths. Comparison to numerical data showed that the acquired data showed similar reflected wave trends. A multi-channel seismic survey was performed at a salt dome model to determine the applicability of the seismic physical modeling system, and data processing such as velocity analysis and Kirchhoff migration was carried out. The seismic cross-section image acquired was consistent with that of the geological model, and the primary reflection, multiple reflection, and diffraction data obtained agreed with real wave propagation data. The seismic physical modeling system developed allows the acquisition of modeling data that is similar to field data in an economical and efficient manner. This data can be used for various purposes, such as to simulate seismic data acquisition, design seismic explorations, and investigate data processing algorithms.

The topics on human mobility model have long been researched by various academic and industrial elds. It also has been proven that human mobility has specic patterns and can be predicted up to the probability of 93%, since the mobility of a person cannot be random while peoples have their own frequent visiting places. As a basis of human mobility research, sets of positioning data is used widely. The positioning data of a human can be obtained by GPS or other similar positioning systems, however, it contains inherited environmental errors. It is clear that such position errors harm the correctness of human mobility re- lated results. In this paper we will present ltering method of erroneous positioning data of human mobility with the use of One-Class Support Vector Machine (OCSVM), and we adapted Radial Basis Function (RBF) as kernel function. Experimental values of the criti- cal parameter for RBF have been found for optimal ltering. With this optimal parameter, we ltered raw data set of human mobility trail in order to obtain accurate position data set for further research purpose. By iteratively applying the OCSVM based ltering, like hill climbing approach, we prove that researchers can lter arbitrary rate of raw data for their own purpose. With four sets of positioning data set from various sources, we demonstrate the usefulness of our ltering approach.

Positioning systems play a critical role in urban environments, where accurately determining a user's location is essential for a wide range of applications. Managing vast and diverse datasets such as Wi-Fi, Bluetooth, and image-based fingerprints poses significant performance challenges, particularly in data-intensive urban areas. In this paper, we introduce a novel framework, called PCCP, which is specifically designed to enhance the performance of positioning systems through a predictive prefetching mechanism. We construct fingerprint dependency graphs based on historical access values and define access patterns, and then prefetch relevant fingerprint data for nearfuture requests to minimize latency. We present a formal algorithm for integrating the prefetching mechanism into the positioning system and implementing it on a client-server architecture. Experimental results highlight the effectiveness of the proposed PCCP in optimizing fingerprint data management, leading to faster and more efficient positioning services.

Location-based services are used as core services in various fields. In particular, in the field of public services such as emergency rescue, accurate location estimation technology is very important. Recently, the technology of tracking the location of self-isolation subjects for COVID-19 has become a major issue. Therefore, location estimation technology using personal smart devices is being studied in various ways, and the most widely used method is to use GPS. Other representative methods are using Wi-Fi, Pedestrian Dead Reckoning (PDR), Bluetooth Low Energy (BLE) beacons, and LTE signals. In this paper, we introduced a positioning technology using deep learning based on LTE Channel State Information-Reference Signal (CSI-RS) data, and confirmed the possibility through an outdoor location estimation experiment using a commercial LTE signal.

In order to specify the location of the scintillation pixel that interacted with gamma rays in the positron emission tomography (PET) detector, conventionally, after acquiring a flood image, the location of interaction between the scintillation pixel and gamma ray could be specified through a pixel-segmentation process. In this study, the experimentally acquired signal was specified as the location of the scintillation pixel directly, without any conversion process, through the simulation data and the deep learning algorithm. To evaluate the accuracy of the specification of the scintillation pixel location through deep learning, a comparative analysis with experimental data through pixel segmentation was performed. In the same way as in the experiment, a detector was configured on the simulation, a model was built using the acquired data through deep learning, and the location was specified by applying the experimental data to the built model. Accuracy was calculated through comparative analysis between the specified location and the location obtained through the segmentation process. As a result, it showed excellent accuracy of about 85 %. When this method is applied to a PET detector, the position of the scintillation pixel of the detector can be specified simply and conveniently, without additional work.

1.Not every personal data, but some personal data, which tells us who he is or how he is, belongs to the personal data protected by current law. 2.So, the right of data privacy reaches the data which tells us who he is or how he is, the rest data is not within the right of data privacy such as personal global positioning data and communication confirmed data. 3.In spite of the above mentioned, personal data base or personalization process through the computer network ran by ISP becomes privacy, otherwise it is anonymously processed.In short, only the equilibrium of regulation and deregulation in personal data can give us the reasonable protection of personal data and the economic growth corresponding to it.(주제어) 위치정보, 통화사실확인정보, 개인정보, 프라이버시, 통신정책

최근, 스마트 기기의 발전과 더불어 스마트 단말을 이용한 지능형 실내 위치 인식 서비스에 대한 관심이 증대되고 있다. 이때 실내 위치 측위 기술로서 BLE(Bluetooth Low Energy) 기술이 관심을 받고 있다. 그러나 방대한 위치 정보를 수신하는 스마트 단말에서 수집된 위치 정보의 신뢰성을 확인할 수 있는 방법은 없다. 이는 신호 간섭 등의 이유로 실내 위치 정보의 신뢰성가 떨어지기 때문이다. 본 논문에서는 iBeacon의 위치 정보로 부터 신뢰성 있는 위치 정보를 얻기 위해 수집된 빅 데이터의 관리 기법을 제안한다.

Recently, With the development of smart devices of interest in the intelligent indoor positioning service with a smart terminal it is increasing. The BLE(Bluetooth Low Energy) is an indoor location positioning technology has attracted the attention. However, there is no way to check the reliability of the position information collected by the smart terminal receiving a big location data. This is because the reliability of an indoor position information because of a signal interference to drop. In this paper, we propose a method of managing big data collected in order to obtain reliable position information from the position information of iBeacon.

인간은 성격에 따라 이동패턴이 변화한다고 한다. 이런 점에서 인간의 성격 데이터를 이용하면, 인간의 행동 패턴을 유추해 낼 수 있다. 우리는 실제 실험자들의 GPS데이터와 BFI성격 데이터를 수집하고. Back Propagation Network를 이용하여, 새로운 위치 데이터를 추론하는 과정을 설명하였다. 논문의 내용은 다음과 같다. 첫 번째로 BFI(Big-Five Inventory) 성격평가에 대해 설명한다. 두 번째로 GPS데이터와 성격 데이터를 실험에 적절한 형태로 변환하는 방법에 대해 언급하고, 세 번째로 변환된 데이터를 이용하여 사람의 새로운 위치 정보를 추론할 것이다. 마지막으로 해당 실험의 결과 및 분석 그리고 앞으로의 연구 방향에 대해 언급할 것이다.

스마트 모바일 기기 즉, 스마트폰을 이용한 위치 기반 서비스(LBS)가 각광 받고 있는 가운데, 사용자 관점에서의 위치 측정에 대한 오류를 검출과 위치를 교정하는 서비스가 필요로 하게 되었다. GPS를 이용한 위치 측정의 방법을 예로 들어 GPS 신호를 수신하는 기기에서의 위치 측정 오류 감지는 어려운 실정이고 약간 더 정밀하게 측정하는 방법뿐이 존재하지 않는다. 이 논문에서는 GPS 수신기와 같은 사용자 관점에서 위치 데이터들의 속도를 계산하여 속도의 변화량을 이용해 multipath와 같은 위치 데이터의 오류를 검출하고 교정한 결과에 대해 다룬다. 단순 속도의 변화량이 아닌 인간의 이동 속도가 지수 확률 분포를 따른다는 사실을 기반하여 이동 윈도우(Moving Window)의 개념을 도입해 매 윈도우마다 한계 속도를 결정하고 한계 속도 이상의 속도가 발생하였을 때를 위치 오류라 검출 할 것이다.

GPS장비의 보급으로 인한 위치정보 수집이 용이해짐에 따라서 보다 현실적인 인간의 이동패턴을 구할 수 있게 되었다. 그에 따라 GPS 장비나 스마트폰을 이용하여 일정기간의 위치정보를 수집하였다. 수집된 위치 데이터를 이용하여 자주 방문하는 장소를 기점으로 인간 이동패턴을 은닉 마코프 방법을 이용하여 도출하였다.. 결과적으로 은닉 마코프 모델의 Baum-Welch 알고리즘으로 생성된 모델은 장소간 이동에 대해서는 효과적으로 표현을 하였음을 확인하다.

오늘날 모바일 스마트 기기의 발전은 위치기반의 새로운 기술을 이끌었다. 현재 위치 데이터를 사용하는 많은 응용프로그램들이 소개되었고, 또한 널리 사용되고 있다. 하지만 아직 이러한 위치 데이터들은 환경적인 요소 등으로 인해 오류가 많다. 본 논문에서는 연속적인 위치 데이터들 사이에서 오류를 찾아내는 알고리즘을 제안할 것이다. 이동 윈도우에서의 이동 평균과 이동 표준편차가 이동 유의구간을 구성할 것이고, 이 이동 유의 구간은 오류 데이터들을 찾아내는 데에 사용될 것이다. 또한 오류 데이터를 교정하는 방식도 제안할 것이다. 이러한 일련의 과정을 본 논문에서는 알고리즘으로 나타낸 후 실험을 통해 입증할 것이다. 이러한 방식의 접근이 다른 위치기반 응용프로그램이나 인간 이동 연구에 도움이 될 것이라 생각한다.

오늘날 모바일 스마트 기기의 발전은 위치기반의 새로운 기술을 이끌었다. 현재 위치 데이터를 사용하는 많은 응용프로그램들이 소개되었고, 또한 널리 사용되고 있다. 하지만 아직 이러한 위치 데이터들은 환경적인 요소 등으로 인해 오류가 많다. 본 논문에서는 연속적인 위치 데이터들 사이에서 오류를 찾아내는 알고리즘을 제안할 것이다. 이동 윈도우에서의 이동 평균과 이동 표준편차가 이동 유의구간을 구성할 것이고, 이 이동 유의 구간은 오류 데이터들을 찾아내는 데에 사용될 것이다. 또한 오류 데이터를 교정하는 방식도 제안할 것이다. 이러한 일련의 과정을 본 논문에서는 알고리즘으로 나타낸 후 실험을 통해 입증할 것이다. 이러한 방식의 접근이 다른 위치기반 응용프로그램이나 인간 이동 연구에 도움이 될 것이라 생각한다.

GPS장비의 보급으로 인한 위치정보 수집이 용이해짐에 따라서 보다 현실적인 인간의 이동패턴을 구할 수 있게 되었다. 그에 따라 GPS 장비나 스마트폰을 이용하여 일정기간의 위치정보를 수집하였다. 수집된 위치 데이터를 이용하여 자주 방문하는 장소를 기점으로 인간 이동패턴을 은닉 마코프 방법을 이용하여 도출하였다.. 결과적으로 은닉 마코프 모델의 Baum-Welch 알고리즘으로 생성된 모델은 장소간 이동에 대해서는 효과적으로 표현을 하였음을 확인하다.

오늘날 모바일 스마트 기기의 발전은 위치기반의 새로운 기술을 이끌었다. 현재 위치 데이터를 사용하는 많은 응용프로그램들이 소개되었고, 또한 널리 사용되고 있다. 하지만 아직 이러한 위치 데이터들은 환경적인 요소 등으로 인해 오류가 많다. 우리는 이전 연구에서 위치 데이터의 오류 검출 및 교정 알고리즘을 제안하였다. 또 다른 연구에선 인간의 이동속도가 어떠한 확률분포모델을 따르는지 연구하였다. 그리하여 본 논문에서는 인간의 이동속도의 분포로서 적합하다고 판명된 확률분포모델 중 Lognormal 분포, Gamma 분포, Weibull분포를 선택하여 위치데이터 오류 검출 및 교정 알고리즘에 적용하기 위한 확률분포 계산을 제안한다. 그 중 일부는 계산의 복잡도를 낮추기 위해 확률분포표를 제공할 것이다.

인간의 위치 이동 데이터를 모바일 기기에서 수집한 위치 정보를 이용해 얻을 수 있게 되면서, 위치 정보를 어떻게 이용할 수 있는지 그 활용 방안이 중요시 되고 있다. 이 연구에 앞서 위치 정보에 포함된 위치 정보와 시간 정보를 이용한 개인 이동성 모델 도출 연구가 선행되었다. 이동성 모델의 개념을 집단으로 확장하여 특정 집단에 속한 사람들의 개인 이동성 모델을 이용한 집단 이동성 모델을 도출하는 방법에 대해서 연구했고, 두 명의 개인 이동성 모델을 이용한 집단 이동성 모델과 그 모델을 표현하는 Markov 모델을 생성할 수 있었다. 본 논문에서는 세명 이상의 개별 이동 모델을 포함하는 사람의 이동성 모델을 생성하고 집단 모델 내 군집간의 확률 기반 Markov 모델을 도출하는 방법에 대해 소개한다. 또한 GPGPU 기법을 통해 생성 시간을 줄이는 기법을 이용하여 실용화를 고려하였다.

The current advancement of mobile devices enables users to collect a sequence of user positions by use of the positioning technology and thus the related research regarding positioning or location information are quite arising. An individual mobility model based on positioning data and time data are already established while group mobility model is not done yet. In this research, group mobility model, an extension of individual mobility model, and the process of establishment of group mobility model will be studied. Based on the previous research of group mobility model from two individual mobility model, a group mobility model with more than two individual model has been established and the transition pattern of the model is represented by Markov chain. In consideration of real application, the computing time to establish group mobility mode from huge positioning data has been drastically improved by use of GPGPU comparing to the use of traditional multicore systems.