GPS Carrier Phase / INS Integrated Smartphone Pedestrian Dead-Reckoning Using User Context Classifying Deep Learning

Abstract

본 논문에서는 스마트폰 Galaxy S8 환경에서 GPS / INS 결합 보행자 항법을 수행하였으며, 스마트폰 센서의 특성을 자세히 분석하였다. 이에 최근 공개된 Android GNSS API 를 사용하여 GPS 원시데이터를 항법에 이용하면서, Cycle slip 을 보정한 Carrier phase 를 이용한 속도 결정법을 사용하였다. 이로 인해 기존의 NMEA GPS 를 사용한 방식의 스마트폰 보행자 항법보다 정밀한 위치, 속도 항법이 가능하였고, 성능을 향상 시켰다. 또한 사용자 상황 분석이 가능한 분류 딥러닝 기법을 사용하여 각 보행 상황에 따른 분류감지가 가능하였음 보였으며, LSTM 의 입력부분을 변화한 몇가지 딥러닝 모델의 성능을 비교하였다. 이를 통해서 사용자의 보행 상황에 따른 적응적 보행자 항법 파라메터 결정이 가능함의 가능성을 보였다.

In this research, the overall construction of the smartphone GPS / INS pedestrian dead reckoning system is detaily described with considering the smartphone sensor measurement properties. Also, the recent android GNSS API which can provide the raw GPS measurement is used. With carrier phase, the cycleslip compensated velocity determination is considered. As a result, the carrier phase /INS integrated pedestrian dead reckoning shows the more precise navigation accuracy than NMEA. Moreover, The deep learning approach is applied in the user context classification to change the parameters in the pedestrian dead reckoning system. The author compares the effect of several transformed inputs for the LSTM model and validate each classification performances.