earticle

영어

In this paper, the analysis results are shown about several weights of Weighted K-Nearest Neighbor method, Recently, it is employed for the indoor positioning technologies using WiFi fingerprint which has been actively studied. In spite of the simplest feature, the W-KNN method shows comparable performance to another methods using WiFi fingerprint technology. So W-KNN method has employed in the existing indoor positioning system. It shows positioning error performance according to data preprocessing and weight factor, and the analysis on the weight is very important. In this paper, based on the real measured WiFi fingerprint data, the estimation error is analyzed and the performances are compared, for the case of data processing methods, of the weight of average, variance, and distance, and of the averaging several position of number K. These results could be practically useful to construct the real indoor positioning system.

한국어

본 논문에서는 최근 들어 활발하게 연구되고 있는 WiFi fingerprint를 이용한 실내 위치 인식 기술에서, Weighted K-Nearest Neighbour 방식을 적용할 때 사용되는 가중치에 대한 분석 결과를 보이고 있다. W-KNN 방식 은 그 간결함에도 불구하고 WiFi fingerprint를 이용하는 다른 복잡한 방식들과 유사한 성능을 보이고 있어, 실제적으 로 실내 위치 인식 기술로 많이 사용되고 있다. 또한 사전 데이터 처리 방식이나 이 방식에서 사용되는 가중치에 따라 성능 차이를 보이고 있으므로, 이에 대한 연구 및 분석은 중요한 의미가 있다. 여기서는 실제로 측정된 WiFi fingerprint 데이터를 기반으로, 데이터 사전처리 경우와 가중치에 측정값의 분산 및 거리를 적용하는 경우, 지점 위치 평균 개수 K를 사용하는 경우 등에 대해 위치 추정 오차를 분석하고 성능을 비교한다. 이 연구 결과는 실제로 실내 위치 인식 시스템을 구축할 때에 실용적으로 활용될 수 있다.