기존의 와이파이 기반 측위 시스템에서 주로 사용되는 칼만필터와 파티클 필터는 실내공간의 구조적 특성을 반영하지 못해 정확도가 낮고, 계산 부하 또한 높기 때문에 휴대기기를 이용한 실내 측위에 적용하는데 한계를 지닌다. 이러한 한계를 극복하고자 본 논문은 와이파이 기반 측위 시스템을 위한 적응형 혼합필터를 제안한다. 제안된 필터는 칼만 필터의 일반적인 적용 체계를 활용하였으며, 적은 수의 파티클을 사용한 파티클 필터의 개념 또한 추가되었다. 제안된 필터는 일반 칼만 필터와는 달리 예측 가중치를 동적으로 변화시켜 동작하며, 위치 예측을 위한 파티클을 실내공간의 경로 네트워크상에 한정하는 특징을 지닌다. 검증결과 적응형 혼합 필터는 일반 칼만 필터에 비해 높은 정확도를 보이며, 일반 파티클 필터에 비해서도 정확도 및 계산시간의 측면에서 유의할만한 성능향상을 보였다.
As the basic Kalman filter is limited to be used for indoor navigation, and particle filters incur serious computational overhead, especially in mobile devices, we propose an adaptive hybrid filter for WiFi-based indoor positioning systems. The hybrid filter utilizes the same prediction framework of the basic Kalman filter, and it adopts the notion of particle filters only using a small number of particles. Restricting the predicts of a moving object to a small number of particles on a way network and substituting a dynamic weighting scheme for Kalman gain are the key features of the filter. The adaptive hybrid filter showed significantly better accuracy than the basic Kalman filter did, and it showed greatly improved performance in processing time and slightly better accuracy compared with a particle filter.
