High-Precision Indoor UWB Positioning using XGBoost-based Distance Correction and Kalman Filter Fusion

초광대역(UWB) 기반 실내 위치 추정은 NLOS(Non-Line-of-Sight) 및 다중경로 환경으로 인한 측정 오차 때문에 정확도가 떨어지는 한계가 있다. 최근 연구들은 머신러닝과 필터링 기법을 주로 단독으로 적용해 오차를 보정하려 했으나, 복잡한 실내 환경 변화에 대한 대응력과 위치 추정의 안정성 면에서 제약이 있었다. 이에 본 연구에서는 XGBoost(eXtreme Gradient Boosting) 기반 거리 보정과 칼만 필터 계열을 융합하여 문제를 해결하고자 하였으며, 실제 데이터를 활용해 다양한 필터의 성능을 비교 분석하였다. 실험 결과, 칼만 필터 융합 방식이 단독 XGBoost보다 위치 추정 정확도가 뛰어났으며, 특히 UKF(Unscented Kalman Filter)가 평균 거리 오차 약 28.4cm로 가장 우수한 성능을 나타냈다. 본 연구는 머신러닝과 동적 필터링의 융합이 실내 UWB 위치 추정의 정확도 향상에 효과적임을 입증하였다.