실내환경에서 WLAN기반 핑거프린트를 이용한 측위기법은 RSSI를 중요한 요소로 사용한다. RSSI는 수신된 전파의 신호 세기를 뜻하고, 이것은 dBm으로 표현되는데 일반적으로 사용되는 RF칩셋은 0dBm에서 -90dBm의 신호를 전달할 수 있다. -75dBm이하의 신호는 패킷 손실률이 높아 신호의 세기가 약하다고 판단하며, 전파신호는 매질을 통하여 전달되면서 손실되기 때문에 실제환경에서 0dBm으로 수신하는 경우는 거의 없으므로 수신된 신호가 -25dBm정도이면 세기가 강하다고 판단한다. 자유공간에서 RSSI의 값은 식 (1)의 로그 감쇄 모델로 표현된다.

여기서 n은 신호 감쇄 상수로서 매질에 따라 달라지고, d는 신호원에서 수신노드까지의 미터단위 거리이다. 모든 신호원이 동일한 세기로 전파를 송신하지 않으므로 오프셋값이 필요한데 이 오프셋값이 A이고 이는 1미터 거리에서 측정한 RSSI값이다. 본 논문에서 사용된 CC2420칩셋은 8심볼 기간(128uS)내에 수신된 신호를 평균하여 구해지며 부호 있는 8비트 값으로 제공한다. 이 값에서 약 -45를 합한 값이 -dBm단위의 RSSI이다[14].

수신된 패킷의 품질 및 세기의 특징을 나타내는 LQI는 IEEE 802.15.4 표준에 포함되어 있으며 이 표준에서는 부호 없는 8비트(0~255)의 값으로 정의된다. LQI는 값이 클수록 좋은 특성을 나타내며, RSSI가 강할수록 패킷 손실률이 낮아지므로 LQI는 RSSI와 비례관계로 여겨질 수 있다. CC2420칩셋에서는 수신된 패킷의 8심볼을 검사하여 50~110까지의 상관 값을 제공하고, 일반적으로 108이상이면 우수한 품질로 판단하고, 105이하이면 낮은 품질로 판단한다. CC2420 데이터시트에서는 식 (2)를 통하여 50~110까지의 값을 0~255의 값으로 변환하여 사용하도록 언급하였다[12].

여기서 CORR은 칩셋에서 제공하는 상관 값(50~110)을 나타내고, a와 b는 범위를 변환하기 위한 변수이다. 통신환경에 따라 상관 값이 다르게 출력되므로 a와 b값은 사용자의 경험에 의하여 직접 선정하여 사용해야 한다.

제안한 핑거프린트 기법은 라디오맵을 구성하기 위하여 RSSI 뿐만 아니라 LQI도 함께 사용하므로 더욱 뚜렷한 특징을 만들어 낼 수 있다. 이를 위해 AP의 이름, RSSI, LQI의 세 가지 정보를 DB에 저장하여야 하며 이것은 식 (3)으로 표현된다.

여기서 Pⁱ는 위치가 i인 지점에서 수집된 모든 AP 신호들의 특징을 나타내고, α는 RSSI, β는 LQI, n은 수집된 AP신호의 개수 및 AP의 이름을 의미한다. 동일한 i지점일지라도 장애물, 주변의 기타 무선통신 등의 영향으로 α와 β는 변동될 수 있는 값이므로 충분히 많은 신호를 획득하여 평균을 취하여 저장되어야 한다.

측위 단계는 사전에 구축된 DB의 신호와 현재 획득한 신호를 비교하여 현재의 위치를 추정하는 핵심적인 부분이다. 추정하고자 하는 이동노드의 위치를 r이라 했을 때 r위치에서 획득된 모든 AP의 신호는 식 (4)와 같이 표현된다.

r위치를 추정하기 위하여 사전에 구축했던 DB의 Pⁱ와 P_r을 비교하여 가장 유사한 i의 위치를 현재 위치로 인식하며, 이를 위하여 식 (5)의 유클리드 거리법을 사용할 수 있다.

여기서 a는 라디오맵 구성단계에서 DB에 저장되었던 신호(α, β), b는 현재 이동노드에서 획득된 신호(α_r, β_r), D는 a와 b의 유사한 정도이며 0에 가까울수록 유사도가 높다는 뜻이다. 하지만, 식 (5)는 Figure 1의 (a)와 (b)의 경우 동일한 결과 값 D를 출력하기 때문에 어떤 i를 현재 위치로 결정할 것인지 모호해지는 단점이 존재한다. 따라서 본 논문에서는 식 (6)을 사용하여 Pⁱ와 P_r의 유사한 정도를 계산함으로써 단점을 개선한다.

Figure 1: 
Examples of euclid method's problem for localization

이것은 a와 b의 -dBm에 제곱을 취함으로써 신호의 세기가 강하여 신뢰도가 높은 i를 우선하여 위치를 결정한다.

RSSI와 LQI는 각각의 특징을 가지며 동일한 단위가 아니기 때문에 유사한 정도를 분리하여 비교하여야 한다. 따라서 RSSI의 유사정도를 계산하는 식 (7)과 LQI의 유사정도를 계산하는 식 (8)을 통하여 유사한 정도를 별도로 계산한다.

이렇게 구해진 D_α(i)와 D_β(i)는 직교성 관계를 가질 때 i위치에서 가장 상이한 특징점을 만들어 낼 수 있으므로 식 (9)과 같이 이들의 곱으로써 최종적인 유사한 정도를 판별한다.

DB에 저장된 모든 i의 신호와 현재 획득한 r의 신호에 대하여 식 (9)를 수행 후 유사한 정도가 가장 큰 min(D(i))를 현재의 위치로 추정한다.

제안한 RSSI와 LQI를 이용한 실내 측위기법의 성능을 확인하기 위하여 한국해양대학교 공과대학 건물 내부에서 실험이 진행되었으며 Figure 2는 실험장소를 나타낸다. 실제 인간이 활동하는 NLOS환경을 위하여 의자, 테이블, 사람의 이동 등 어떠한 것도 인위적으로 재배치 되지 않은 채 자연스럽게 실험을 진행하였다. 실험 장소는 가로 7.2미터, 세로 4.8미터이고 총 5개의 고정 노드를 사용 하였으며 이동노드와 직접적인 전파 전달이 어렵도록 장애물 뒤쪽에 배치하였다. 이동노드의 측위는 가로세로 40cm간격으로 총 25개의 위치에서 시행되었고 이 25개의 위치 중에서 절반 가량은 테이블 밑에서 측정되었다. Figure 3은 데이터를 수집하는 구성을 나타내며 고정노드는 1초 간격으로 이동노드에 신호를 전송하고 이동노드는 그 신호를 수신 받을 때마다 RSSI와 LQI를 추출하여 RS-232통신을 통해 PC로 전송한다. 라디오맵 구성단계에서 충분한 표본을 위하여 각 고정노드로부터 50개의 신호를 수신하여 평균을 취한 뒤 DB에 저장하였고, 이동노드의 측위단계에서는 각 고정노드로 부터 30개의 신호를 수신 받아 평균을 취하여 사전에 구축된 라디오맵과 비교하였다. IEEE 802.15.4 표준인 지그비 무선통신으로 실험하기 위하여 Texas Instruments사의 CC2420칩셋을 사용하였다. 센서 네트워크에서 널리 사용되는 TinyOS를 8비트 마이크로 컨트롤러(Atmega128)에 탑재하여 CC2420칩셋을 제어 하였다.

Figure 2: 
Experimental environment of NLOS with five Fixed nodes

Figure 3: 
RSSI and LQI value measurement and gathering using Zigbee(CC2420)

RSSI 또는 LQI를 이용하여 핑거프린트 기법을 수행할 때의 특징을 Figure 4와 Figure 5에서 보여주며, x축은 이동노드의 이름, y축은 획득된 신호의 크기를 나타낸다. 두 그래프는 Figure 2의 5번 위치에서 라디오맵을 구성하고 Meas1, Meas2, Meas3의 3회에 걸쳐 이동노드의 위치를 추정 한 결과이다. 검은 실선이 DB에 저장된 라디오맵 신호를 나타내고 점선은 이동노드의 측위를 위해 획득된 신호를 나타낸다. 두 그래프에서 점선과 실선은 비슷한 형태를 갖추고 있으므로 핑거프린트를 이용하여 측위가 가능함을 보이고 있다. 고정노드의 개수가 증가 될수록 획득되는 신호의 개수가 증가하므로 그 위치에서 더욱 뚜렷한 특징점을 만들 수 있기 때문에 핑거프린트를 이용한 위치추정 성능은 향상된다. 만일, 비용 및 공간적 측면 등의 제약으로 고정노드의 개수를 증가시킬 수 없다면 그 위치에서 일정하게 추출될 수 있는 신호의 개수를 증가시키면 이 또한 더욱 뚜렷한 특징점을 만들어 낼 수 있다. LQI는 Figure 5에서 나타내듯이 그 위치에서 일정하게 수신되는 신호이므로 핑거프린트에 사용될 수 있는 신호이다. 따라서 LQI를 추가 이용할 경우 고정노드의 개수를 증가시키지 않고 핑거프린트의 성능을 증가 할 수 있으므로 경제적으로 측위 시스템을 구축할 수 있는 강점이 있다.

Table 1은 제안한 기법을 실험한 성능을 나타내고 있는데, 이 표에서 Position 항목은 Figure 2에서 Position number로 표기된 25개의 위치를 의미하고, RSSI를 사용하여 위치추정 한 것과 RSSI와 LQI를 사용하여 위치추정 한 것을 비교하였다. RSSI를 사용하여 측위 했을 경우 평균 오차의 크기는 0.92미터이고 RSSI와 LQI를 사용하여 측위 했을 경우 평균 오차의 크기는 0.71미터로 약 22%가 향상되었다. 이것은 앞에서 언급한 각 고정노드로부터 획득할 수 있는 신호의 개수가 증가한다면 각 위치에서 더욱 뚜렷한 특징을 만들어 낼 수 있으므로 위치추정 성능이 향상됨을 입증하는 결과이다.

Figure 4: 
RSSI comparison of DB and measured values at position 5

Figure 5: 
LQI comparison of DB and measured values at position 5