전파를 이용한 측위에서 3차원 공간에서는 특정 시간 동안 정확한 위치 값을 얻을 수 없기 때문에 좌표 위치 데이터를 3차원 공간에서 2차원 공간으로 변환하면 보다 정확한 위치 결과값을 얻을 수 있다. 측위 정확도를 높이기 위해 수많은 방법을 동원하였지만 실제 측위 대상의 공간과 관련된 환경 변수의 변화를 고려하지 않고서는 정확한 측위가 불가능하다. 또한, 전파를 이용한 도플러 방정식의 주파수 왜곡과 부정확성으로 인해 지금까지 제안된 모든 측위 기술은 공간 자체에 대한 오차 외에도 다양한 측위 오차가 발생하고 있다.
본 논문에서는 근본적인 측위 정확도 문제를 해결하기 위해 측위에서 생성된 데이터에 대해 차원 변환과 기계 학습을 활용하는 두 가지 새로운 기술을 제안한다.
첫째, 측위시 왜곡 가능성을 최대한 줄이기 위해 3차원 데이터를 2차원 데이터로 변환하는 데이터 라벨링 기반의 공간 변환 측위 방법을 제시한다. 그 다음에는 위치 데이터의 기준선과 방향각을 이용하여 오차 범위를 줄인다. 그리고 보다 정확한 측위를 위한 딥러닝 기반의 최적화 방법을 제시한다. 차원 변환으로 얻은 위치 데이터의 패턴에 따라 기준선을 추가하여 위치를 수정하는 학습 알고리즘을 사용한다. 실험 결과는 무선 센서 네트워크에서 기계 학습만을 사용하는 기존 측위 및 보정 방법에 비해 약 10% 정도 측위 정확도가 향상되었음을 보여준다.