사물인터넷 환경에서 위치 기반 서비스를 위한 기술 중에서 블루투스 비콘은 활발하게 연구되
고 있는 기술이다. 비콘에서 발산되는 신호 중 RSSI 값을 이용하여 실내에서 이동 중인 스마트 객체와 사
물 간의 거리측정을 유도할 수 있다. 그러나 RSSI는 신호의 반사와 회절과 같은 현상에 의해 영향을 받아
정확도가 높지 않은 문제점을 가지고 있다. 본 논문에서는 다측면 기계학습 알고리즘들을 사용하여 RSSI
를 사용한 거리측정의 정확도를 높이는 연구를 진행하였다. 저주파 통과 필터와 파라미터 학습 그리고 역
전파 학습을 순차적으로 진행하여 거리를 측정하였다. 제안된 다측면 기계학습 방식의 성능 평가를 위해
실험의 각 단계에서 유도된 거리와 실제 거리 간의 오차를 바탕으로 정확도를 평가하였다. 실험 결과 제
안된 거리측정 방식은 제한된 거리 범위 내에서 실측값에 근접한 거리 값을 유도함을 보이므로, 사물인터
넷 망에서 위치 인식 서비스 응용프로그램에 기여할 수 있음을 보였다.
키워드: 다측면 학습, 저주파 통과 필터, 파라미터 학습, 신경망, 스마트 모바일 객체