A Positioning DB Generation Algorithm Applying Generative Adversarial Learning Method of Wireless Communication Signals

Myungin Ji; Juil Jeon; Youngsu Cho

추천

검색

자료유형: 학술저널

저자정보: Myungin Ji (Electronics and Telecommunications Research Institute) Juil Jeon (Electronics and Telecommunications Research Institute) Youngsu Cho (Electronics and Telecommunications Research Institute)

저널정보: 사단법인 항법시스템학회 Journal of Positioning, Navigation, and Timing Journal of Positioning, Navigation, and Timing 제9권 제3호

발행연도: 2020.1

수록면: 151 - 156 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

A technology for calculating the position of a device is very important for users who receive positioning services, regardless of various indoor/outdoor or with/without any positioning infrastructure existence environments. One of the positioning resources widely used at present, LTE, is a typical infrastructure that can overcome the space limitation, however its positioning method based on the position of the LTE base station has low accuracy. A method of constructing a radio wave map of an LTE signal has been proposed as a method for overcoming the accuracy, but it takes a lot of time and cost to perform high-density collection in a wide area. In this paper, we describe a method of creating a high-density DB for the entire region by using vehicle-based partial collection data. To create a positioning database, we applied the idea of Generative Adversarial Network (GAN), which has recently been in the spotlight in the field of deep learning, and learned the collected data. Then, a virtually generated map which having the smallest error from the actual data is selected as the optimum DB. We verified the effectiveness of the positioning DB generation algorithm using the positioning data obtained from un-collected area.

#LTE-based localization #positioning DB generation #generative adversarial network

참고문헌 (6)

참고문헌 신청

조성윤 / 2019 / Positioning of Wireless Base Station using Location-Based RSRP Measurement / Journal of Positioning, Navigation, and Timing 8(4):183~192

Goodfellow, I. / 2014 / Generative Adversarial Nets / Proc. of Advances in Neural Information Processing Systems

Jin, D. / 2018 / Overview of Generative Model, Generative Adversarial Networks / Communications of the Korean Institute of Information Scientists and Engineers 36:18~24

Linear regression

Margolies, R. / 2017 / Can You Find Me Now? Evaluation of Networkbased Localization in a 4G LTE Network / Proc. of IEEE International Conference on Computer Communications (InfoCom)

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Myungin Ji

소속기관 한국전자통신연구원

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 기타공학 > 기타 공학

논문수 21 이용수 2,025

Juil Jeon

소속기관 한국전자통신연구원

주요연구분야 공학 > 전기전자공학 > 정보통신공학 복합학 > 학제간연구

논문수 24 이용수 1,023

조영수

소속기관 서강대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 전기전자공학 > 제어계측공학

논문수 45 이용수 3,264

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (6)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)