KR20110114039A - Dr/gps data fusion method - Google Patents

Dr/gps data fusion method Download PDF

Info

Publication number
KR20110114039A
KR20110114039A KR1020100033449A KR20100033449A KR20110114039A KR 20110114039 A KR20110114039 A KR 20110114039A KR 1020100033449 A KR1020100033449 A KR 1020100033449A KR 20100033449 A KR20100033449 A KR 20100033449A KR 20110114039 A KR20110114039 A KR 20110114039A
Authority
KR
South Korea
Prior art keywords
gps
data
wow
covariance
gps data
Prior art date
Application number
KR1020100033449A
Other languages
Korean (ko)
Other versions
KR101141984B1 (en
Inventor
정길도
양범석
Original Assignee
전북대학교산학협력단
주식회사 디유에이엔아이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 전북대학교산학협력단, 주식회사 디유에이엔아이 filed Critical 전북대학교산학협력단
Priority to KR20100033449A priority Critical patent/KR101141984B1/en
Publication of KR20110114039A publication Critical patent/KR20110114039A/en
Application granted granted Critical
Publication of KR101141984B1 publication Critical patent/KR101141984B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
    • G01S19/05—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing aiding data
    • G01S19/06—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing aiding data employing an initial estimate of the location of the receiver as aiding data or in generating aiding data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
    • G01S19/25—Acquisition or tracking or demodulation of signals transmitted by the system involving aiding data received from a cooperating element, e.g. assisted GPS
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)
  • Automation & Control Theory (AREA)

Abstract

본 발명은 DR/GPS 데이터 융합 방법에 관한 것으로서, 칼만 필터에 기반하여 DR 장치의 DR 데이터와 GPS 수신기의 GPS 데이터의 가중치를 조절하는 과정을 거쳐 DR/GPS 데이터를 융합하며, 상기 DR 데이터와 GPS 데이터의 가중치를 조절하는 과정은, 초기값을 이용하여 항체의 첫번째 위치를 추정하는 제 1 과정과; 두번째 위치부터 향후 모든 위치를 추정하는 제 2 과정을 포함하여 이루어지고, 상기 제 1과정은, GPS 데이터를 수집하는 단계와; DR 데이터를 측정하는 단계와; GPS 데이터를 이용하여 항체의 현재 위치를 GPS에 기반한 좌표로 설정하는 단계와; GPS 데이터와 DR 데이터를 융합하는 단계와; 융합된 DR/GPS 데이터를 출력하는 단계를 포함하여 이루어지는 것을 특징으로 한다. 본 발명에 따르면, 칼만 필터 기반 추측항법기법을 적용하여 GPS의 위치 오차를 줄여 GPS의 정확도를 높여줌으로써 선박의 자율운행 항해 및 선박 충돌 회피 등에 효과적으로 적용할 수 있다. The present invention relates to a DR / GPS data fusion method, and to fusion DR / GPS data through a process of adjusting weights of DR data of a DR device and GPS data of a GPS receiver based on a Kalman filter. Adjusting the weight of the data, the first step of estimating the first position of the antibody using the initial value; A second process of estimating all future positions from a second position, wherein the first process comprises: collecting GPS data; Measuring DR data; Setting the current position of the antibody to coordinates based on GPS using GPS data; Fusing GPS data and DR data; And outputting the fused DR / GPS data. According to the present invention, by applying the Kalman filter-based dead reckoning technique to reduce the GPS position error can be effectively applied to the autonomous navigation and ship collision avoidance of the ship.

Description

ＤＲ／ＧＰＳ 데이터 융합 방법{DR/GPS Data Fusion Method}DR / GPS data fusion method {DR / GPS Data Fusion Method}

본 발명은 DR/GPS 데이터 융합 방법에 관한 것으로서, 특히 GPS의 위치 오차를 칼만 필터 기반 추측항법기법(Dead Reckoning)을 적용하여 줄일 수 있는 DR/GPS 데이터 융합 방법에 관한 것이다. The present invention relates to a DR / GPS data fusion method, and more particularly, to a DR / GPS data fusion method for reducing GPS position error by applying Kalman filter-based dead reckoning.

항법 시스템(navigation system)에서 가장 중요한 기술중 하나는 대상체의 정확한 위치를 얻는 일이다. 대상체의 위치를 구하기 위해서 일반적으로 위성체를 이용한 GPS(Global Positioning System) 및 자이로스코프와 가속도계와 같은 센서를 가지는 추측항법시스템(Dead Reckoning System; 이하 DR이라 한다)을 이용한다.One of the most important techniques in navigation systems is to get the exact location of the object. In general, a GPS (Global Positioning System) using a satellite body and a dead reckoning system (hereinafter referred to as DR) having sensors such as a gyroscope and an accelerometer are used to determine an object's position.

GPS는 항법위성을 이용하여 전세계 어디에서나 대상체(수신기)의 위치, 속도, 시간 정보를 알아낼 수 있는 전파항법 시스템이다. GPS의 항법해는 수신기 잡음, 다중경로 오차 등으로 인하여 단시간 안정성은 좋지 않지만 항상 일정 범위내의 오차를 가지기 때문에 장시간 안정성은 매우 뛰어나다. 그렇지만, GPS 수신기는 위성신호가 차단될 경우 항법해를 제공할 수 없다는 단점이 있다. GPS is a radionavigation system that can find out the location, speed, and time information of an object (receiver) anywhere in the world using navigation satellites. GPS navigation solution is not good for short time stability due to receiver noise, multipath error, etc., but it is very good for long time stability because it always has error within a certain range. However, the GPS receiver has a disadvantage that it cannot provide navigation solution when the satellite signal is blocked.

GPS 네비게이션 시스템에 대해서 좀 더 구체적으로 살펴보기로 한다. The GPS navigation system will be described in more detail.

초기에는 GPS가 군사용으로 개발되었지만, 그 응용이 확대되어 지금은　네비게이션을 포함하여 일반적인 응용에 폭넓게 사용되고 있다. GPS 시스템은 최소 24개의 인공위성이 항상 동작하고　있으며, 그들은 각각의 위치와 현재 시간을 나타내는 데이터를 지상으로 실시간 전송한다. GPS 위성은 그들의 신호가 동시에 전송하고 GPS 수신 장치가 2개 이상의 위성으로부터 데이터를 수신할 때, 데이터 도착 시간 차이를 이용하여 각각 위성과 수신자의 상대 거리를 계산할 수 있도록 데이터 전송을 동기화시킨다. GPS 수신기는 신호로부터 획득된 가상거리를 이용하여 위치정보를 계산한다. 4개 이상의　위성으로부터의 신호가 수신될 수 있을 때, GPS 수신기는 GPS 수신기 안테나 위치를 계산할 수 있게 된다. 　In the early days, GPS was developed for military use, but its application has expanded and is now widely used for general applications, including navigation. At least 24 satellites are in operation at all times, and they send real-time data to the ground indicating their location and current time. GPS satellites synchronize data transmissions so that when their signals are transmitted simultaneously and the GPS receiver receives data from two or more satellites, the difference in data arrival time can be used to calculate the relative distance between the satellite and the receiver, respectively. The GPS receiver calculates the location information using the virtual distance obtained from the signal. When signals from four or more satellites can be received, the GPS receiver is able to calculate the GPS receiver antenna position.

GPS 정보의 정확도는 위성의 궤도 정보와 정확한 타이밍 구조에 의해 결정된다. GPS 적용에서, 중요한 사항은 위성과 수신기의 거리를 기반으로 가능한 한 정확하게 수신자의 위치를 획득하는 것이다. GPS는 일반적으로 야외에서　이용되기 때문에, 정밀도에 영향을 미치는 다양한 요소가 있다. 이러한 요소는 시계 오프셋, 대기나 전리층 영향, 다중 경로 영향 그리고 수신기에서 발생하는 잡음 등이 있다. 또한 위성에 대한 수신자의 기하학적 위치도 정확도에 영향을 미칠 수 있다. 2차원적 위치결정 경우를 위해, 정밀도의 수평 저하(HDOP) 요소가 GPS에 설계되어 있으며, 정밀도에 대해 위성의 기하학적 구조가 미치는 영향을 나타내는데 사용된다. 수신자의 추정 위치는 인지된 위성이 기하학적으로 잘 분산되어 있고 HDOP 요소가 작을 경우 더 정확하다. 뿐만 아니라, 측정 시 이용 가능한 위성 수와 위치 변화도 정밀도에 영향을 미친다.　The accuracy of the GPS information is determined by the satellite's orbit information and the exact timing structure. In GPS applications, an important point is to obtain the receiver's position as accurately as possible based on the distance between the satellite and the receiver. Since GPS is generally used outdoors, there are a variety of factors that affect precision. These factors include clock offsets, atmospheric or ionosphere effects, multipath effects, and noise from the receiver. In addition, the geometrical position of the receiver relative to the satellite can also affect accuracy. For the two-dimensional positioning case, a precision horizontal deterioration (HDOP) element is designed in GPS and used to represent the influence of satellite geometry on precision. The estimated position of the receiver is more accurate if the perceived satellites are well distributed geometrically and the HDOP elements are small. In addition, the number of available satellites and the change in position in the measurement also affect the precision.

표준 DGPS는　일반적으로 1 미터 이하의　정확도를 요구하는 경우 사용된다. DGPS는 차동 모드에서 작동하기 위한 여러 방법이 있고, DGPS기지국으로부터 보낸 정보를 활용한다. 가장　일반적인 방법은 데이터 기지국 수신기와 이동 수신기 구조를 가지며, 각각 수신자에 실시간으로 수신된 신호 사이의 차이를 분석하므로 이동 수신기의 위치를 파악하는 것이다. DGPS는 매우 정밀한 위치 측정 서비스를 제공할 수 있지만, 고가이고 기지국이 필요한 단점이 있다. 도 1 은 GPS 수신기를 이용하여 데이터를 습득한 후 습득한 데이터에서 데이터의 평균치를 뺀 값을 보여주는 도면이고, 도 2 는 인접한 샘플링 간의 GPS 출력 차이를 보여주는 도면이다. 도 1,2로부터 짧은 시간 동안 수신된 데이터를 볼 수 있고, 이런 종류의 GPS 수신기 데이터는 측정 시 인식된 위성이 변하지 않는 한　거의 유사하다. 데이터의 변화가 있을 때마다 GPS 수신기의 값들에서는 크기의 유동(drift)이 존재한다. 위도 값의 유동은 0.1854m 이고 경도 값의 유동은 0.1503m 이다. Standard DGPS is typically used where accuracy is required below 1 meter. DGPS has several ways to operate in differential mode and utilizes information from DGPS base stations. The most common method has a data base station receiver and a mobile receiver structure, each of which analyzes the difference between the signals received at the receiver in real time, thereby locating the mobile receiver. DGPS can provide very precise positioning services, but has the disadvantage of being expensive and requiring a base station. FIG. 1 is a diagram illustrating a value obtained by subtracting an average value of data from acquired data after acquiring data using a GPS receiver, and FIG. 2 is a diagram illustrating a difference in GPS output between adjacent samplings. It can be seen that the data received for a short time from Figs. 1,2 and this type of GPS receiver data is almost similar as long as the recognized satellite does not change in the measurement. Every time there is a change in data, there is a drift of magnitude in the values of the GPS receiver. The latitude value is 0.1854 m and the longitude value is 0.1503 m.

한편, DR은 항체의 위치설정과 네비게이션에 활용되는 일반적인 기술이다. 이동 물체의 위치와 경로 데이터를 인코더, 지자기센서, 전자콤파스 등의 센서를 이용하여 획득한다. 이 시스템은 짧은 시간 내에 매우 정확한 항해 정보를 제공하나 오류가 시간이 지남에 따라 무한대로 누적되기 때문에 단독으로 이동물체의 항법에 이용 될 수는 없다. 즉, DR은 연속적인 항법해를 제공하며, 단시간 안정성은 우수하지만 시간이 지날수록 오차가 누적하여 증가하기 때문에 장시간 안정성은 좋지 않다. On the other hand, DR is a general technique used for positioning and navigation of antibodies. The position and path data of the moving object are acquired using sensors such as encoders, geomagnetic sensors, and electronic compasses. This system provides very accurate navigational information in a short time, but cannot be used alone in navigation of moving objects because errors accumulate indefinitely over time. In other words, DR provides continuous navigation solution, and short-term stability is good, but long-term stability is not good because errors accumulate and increase over time.

현재 선박은 물류운송, 여객 및 연구 목적과 같은 여러 분야에서 다양한 목적에 활용되고 있다.　정확하고 신뢰할 만한 항법 시스템에 대한 필요는 항체가 목적지에 성공적으로 도달하는데 있어서 매우 중요하다. Currently, ships are used for a variety of purposes, such as logistics, passengers and research. The need for an accurate and reliable navigation system is critical for the antibody to successfully reach its destination.

한편, 항체의 자동 운항에서　GPS와 GPS/DR을 융합한 항법을 응용한 많은 연구가　진행되고 있다. 예를 들면, 독립형 GPS를 사용하는 차량을 위한 추적 알고리즘을 연구가 진행되고 있으며, GPS/DR 기반 집적 항해 시스템에서 R-T-S 고정 간격 최적 평활화 기법의 응용 연구가 진행되고 있다. 또한, GPS/DR 데이터 융합을 위해 연합 칼만 필터가 제안되었고, 통합된 GPS/DR 네비게이션의 분야 실험으로부터 구한 데이터를 다루기 위해　적응　강인 확장된 칼만 필터링 기술이 제안되었다. On the other hand, a lot of researches have been conducted on the application of navigation that combines GPS and GPS / DR in the automatic operation of antibodies. For example, research is being conducted on tracking algorithms for vehicles using standalone GPS, and research on the application of R-T-S fixed interval optimal smoothing technique in GPS / DR-based integrated navigation systems is underway. In addition, a joint Kalman filter has been proposed for GPS / DR data fusion, and an extended Kalman filtering technique has been proposed to handle data obtained from field experiments of integrated GPS / DR navigation.

다른 한편, 일반적으로 사용되는 GPS 수신기의 오류는 SA 정책이 제거되었을지라도 상당히 크고, 미분 GPS(DGPS)는 오차가 1미터 이하가 되며 보다 정확한 항해 정보를 제공할 수 있다. 그렇지만, DGPS는 상업적으로 이용하기에는 상대적으로 고가이며 오차 데이터를 제공하기 위한 기지국이 별도로 필요한 문제점이 있다. On the other hand, errors in commonly used GPS receivers are quite large, even if the SA policy is removed, and differential GPS (DGPS) can provide less than 1 meter of error and provide more accurate navigational information. However, DGPS is relatively expensive to use commercially, and there is a problem in that a base station for providing error data is separately required.

이에 본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 저렴한 GPS 수신기를 DR 장치와 결합하여 사용하면서 1미터 이하의 오차를 구현할 수 있도록 칼만 필터 기반의 DR/GPS 데이터 융합 방법을 제공하는데 그 목적이 있다. Accordingly, an object of the present invention is to provide a DR / GPS data fusion method based on a Kalman filter to realize an error of 1 meter or less while using an inexpensive GPS receiver in combination with a DR device. have.

상기와 같은 목적을 달성하기 위하여 본 발명에 따른 DR/GPS 데이터 융합 방법은, 칼만 필터에 기반하여 DR 장치의 DR 데이터와 GPS 수신기의 GPS 데이터의 가중치를 조절하는 과정을 거쳐 DR/GPS 데이터를 융합하는 것을 특징으로 한다. In order to achieve the above object, the DR / GPS data fusion method according to the present invention is fused with DR / GPS data through a process of adjusting the weight of the DR data of the DR device and the GPS data of the GPS receiver based on a Kalman filter. Characterized in that.

여기에서, 상기 DR 데이터와 GPS 데이터의 가중치를 조절하는 과정은, 초기값을 이용하여 항체의 첫번째 위치를 추정하는 제 1 과정과; 두번째 위치부터 향후 모든 위치를 추정하는 제 2 과정을 포함하여 이루어지고, 상기 제 1과정은, GPS 데이터를 수집하는 단계와; DR 데이터를 측정하는 단계와; GPS 데이터를 이용하여 항체의 현재 위치를 GPS에 기반한 좌표로 설정하는 단계와; GPS 데이터와 DR 데이터를 융합하는 단계와; 융합된 DR/GPS 데이터를 출력하는 단계를 포함하여 이루어지는 것이 바람직하다. The adjusting of the weights of the DR data and the GPS data may include: a first step of estimating a first position of the antibody using an initial value; A second process of estimating all future positions from a second position, wherein the first process comprises: collecting GPS data; Measuring DR data; Setting the current position of the antibody to coordinates based on GPS using GPS data; Fusing GPS data and DR data; Preferably, outputting the fused DR / GPS data.

그리고, 상기 제 1,2 과정은, 시작점(1)에 가상 GPS 수신기가 있다고 가정하고, 항체가 시작점(1)에서 정지하고 있는 동안, GPS 수신기를 통해 GPS 데이터

Figure pat00001
와
Figure pat00002
를 취득하는 제 1 단계와; 시간 T에서 항체가 운항을 시작하면, 각 데이터의 공분산은
Figure pat00003
와
Figure pat00004
이고, DR 장치에 기반한 좌표를 시간 T에서
Figure pat00005
와
Figure pat00006
로 설정하는 제 2 단계와; 시간 T에서 GPS 수신기를 통해 실제 GPS 데이터
Figure pat00007
와
Figure pat00008
를 취득하는 제 3 단계와; 시간 T에서 가상 GPS 데이터
Figure pat00009
와
Figure pat00010
를 예측하는 제 4 단계와; 시간 T에서 실제 GPS 데이터와 가상 GPS 데이터의 차이를 이용하여, GPS에 기반한 항체의 좌표
Figure pat00011
와
Figure pat00012
를 예측하는 제 5 단계와; DR 장치를 통해 DR 데이터를 취득하고, 취득한 DR 데이터를 이용하여 GPS에 기반한
Figure pat00013
와
Figure pat00014
의 공분산
Figure pat00015
와
Figure pat00016
를 계산하는 제 6 단계와;
Figure pat00017
를 이용하여 DR 장치의 신뢰도를 계산하고,
Figure pat00018
를 이용하여 GPS 수신기의 신뢰도를 계산하는 제 7 단계와;
Figure pat00019
의 공분산은
Figure pat00020
이고,
Figure pat00021
의 공분산은
Figure pat00022
이며,
Figure pat00023
,
Figure pat00024
을 이용하여 융합된 결과를 계산하는 제 8 단계와; 각 데이터의 공분산은
Figure pat00025
와
Figure pat00026
이며,
Figure pat00027
와
Figure pat00028
을 이용하여 현재의 가상 GPS값을 예측하는 제 9 단계와; 각 데이터의 공분산은
Figure pat00029
와
Figure pat00030
이며, 시간 kT에서 DR 장치의 좌표
Figure pat00031
와
Figure pat00032
를 취득하는 제 10 단계와; 실제 GPS 데이터로부터
Figure pat00033
와
Figure pat00034
를 취득하는 제 11 단계와; 가상 GPS에 대한 현재 시간의 데이터
Figure pat00035
와
Figure pat00036
를 예측하는 제 12 단계와;
Figure pat00037
와
Figure pat00038
로부터 현재 시간에 대한 GPS 기반 좌표를 예측하는 제 13 단계와; 상기
Figure pat00039
와
Figure pat00040
의 공분산
Figure pat00041
와
Figure pat00042
를 계산하는 제 6단계에서 언급한 GPS 기반 좌표의 공분산을 연산하는 제 14 단계와; DR 장치의 신뢰도
Figure pat00043
, GPS 수신기의 신뢰도
Figure pat00044
를 산출하는 제 15 단계와;
Figure pat00045
의 공분산은
Figure pat00046
이고,
Figure pat00047
의 공분산은
Figure pat00048
이며,
Figure pat00049
와
Figure pat00050
를 산출하는 제 16 단계와; 각 데이터의 공분산은
Figure pat00051
와
Figure pat00052
이며,
Figure pat00053
,
Figure pat00054
를 이용하여 현재 시간에 대한 가상 GPS 수신기의 출력을 예측하는 제 17 단계를 포함하여 이루어진 것이 바람직하다. The first and second processes assume that the virtual GPS receiver is located at the starting point 1, and the GPS data is transmitted through the GPS receiver while the antibody is stopped at the starting point 1.
Figure pat00001
Wow
Figure pat00002
Obtaining a first step; When the antibody begins to run at time T, the covariance of each data is
Figure pat00003
Wow
Figure pat00004
And coordinates based on the DR device at time T
Figure pat00005
Wow
Figure pat00006
Setting a second step; Real GPS data via GPS receiver at time T
Figure pat00007
Wow
Figure pat00008
Obtaining a third step; Virtual GPS Data at Time T
Figure pat00009
Wow
Figure pat00010
Predicting a fourth step; Coordinates of antibodies based on GPS, using the difference between real and virtual GPS data at time T
Figure pat00011
Wow
Figure pat00012
Predicting a fifth step; Acquire DR data through the DR device, and use the acquired DR data to
Figure pat00013
Wow
Figure pat00014
Covariance of
Figure pat00015
Wow
Figure pat00016
Calculating a sixth step;
Figure pat00017
To calculate the reliability of the DR device,
Figure pat00018
Calculating a reliability of the GPS receiver by using;
Figure pat00019
Covariance of
Figure pat00020
ego,
Figure pat00021
Covariance of
Figure pat00022
Is,
Figure pat00023
,
Figure pat00024
An eighth step of calculating a fused result using a; The covariance of each data is
Figure pat00025
Wow
Figure pat00026
Is,
Figure pat00027
Wow
Figure pat00028
A ninth step of predicting a current virtual GPS value using the s; The covariance of each data is
Figure pat00029
Wow
Figure pat00030
, The coordinates of the DR device at time kT
Figure pat00031
Wow
Figure pat00032
A tenth step of obtaining; From actual GPS data
Figure pat00033
Wow
Figure pat00034
An eleventh step of obtaining; Data of current time for virtual GPS
Figure pat00035
Wow
Figure pat00036
A twelfth step of predicting;
Figure pat00037
Wow
Figure pat00038
A thirteenth step of predicting the GPS based coordinates for the current time from; remind
Figure pat00039
Wow
Figure pat00040
Covariance of
Figure pat00041
Wow
Figure pat00042
A fourteenth step of calculating a covariance of the GPS-based coordinates mentioned in the sixth step of calculating a; DR device reliability
Figure pat00043
Reliability of GPS receiver
Figure pat00044
Calculating a fifteenth step;
Figure pat00045
Covariance of
Figure pat00046
ego,
Figure pat00047
Covariance of
Figure pat00048
Is,
Figure pat00049
Wow
Figure pat00050
Calculating a sixteenth step; The covariance of each data is
Figure pat00051
Wow
Figure pat00052
Is,
Figure pat00053
,
Figure pat00054
It is preferable to include the seventeenth step of predicting the output of the virtual GPS receiver with respect to the current time using the.

그리고, 상기 공분산

Figure pat00055
와
Figure pat00056
를 계산하는 제 6 단계에서,
Figure pat00057
이면
Figure pat00058
의 공분산을
Figure pat00059
로 가정하고,
Figure pat00060
이면
Figure pat00061
의 공분산을
Figure pat00062
로 가정하며, 그외의 경우에는
Figure pat00063
의 공분산이 매우 크다고 가정할 수 있다. And the covariance
Figure pat00055
Wow
Figure pat00056
In the sixth step of calculating
Figure pat00057
If
Figure pat00058
Covariance of
Figure pat00059
Assume that
Figure pat00060
If
Figure pat00061
Covariance of
Figure pat00062
, Otherwise,
Figure pat00063
We can assume that the covariance of is very large.

본 발명에 따르면, 칼만 필터 기반 추측항법기법을 적용하여 GPS의 위치 오차를 줄여 GPS의 정확도를 높여줌으로써 선박의 자율운행 항해 및 선박 충돌 회피 등에 효과적으로 적용할 수 있다. According to the present invention, by applying the Kalman filter-based dead reckoning technique to reduce the GPS position error can be effectively applied to the autonomous navigation and ship collision avoidance of the ship.

도 1 은 GPS 수신기를 이용하여 데이터를 습득한 후 데이터의 평균치를 제거한 GPS 데이터를 보여주는 도면.
도 2 는 GPS 데이터의 인접한 샘플링 간의 GPS 출력 차이를 보여주는 도면.
도 3 은 지속적인 이산 칼만 필터 주기를 보여주는 도면.
도 4 는 칼만 필터의 수행 과정을 보여주는 도면.
도 5 는 본 발명에 따른 DR/GPS 데이터 융합 방법을 위한 DR/GPS 데이터 융합 시스템 개념도.
도 6 은 본 발명에 따른 DR/GPS 데이터 융합 방법을 보여주는 제 1흐름도.
도 7 은 본 발명에 따른 DR/GPS 데이터 융합 방법을 보여주는 제 2흐름도.
도 8 은 본 발명에 따른 DR/GPS 데이터 융합 방법을 보여주는 제 3흐름도.
도 9 는 본 발명에 따른 DR/GPS 데이터 융합 방법의 시뮬레이션 결과를 보여주는 도면. 1 is a diagram showing GPS data obtained by using a GPS receiver to acquire data and then removing average values of the data.
2 shows the GPS output difference between adjacent samplings of GPS data.
3 shows a continuous discrete Kalman filter cycle.
4 is a view showing a process of performing a Kalman filter.
5 is a conceptual diagram of a DR / GPS data fusion system for a DR / GPS data fusion method according to the present invention;
6 is a first flowchart showing a DR / GPS data fusion method according to the present invention.
7 is a second flow chart showing a DR / GPS data fusion method according to the present invention.
8 is a third flow chart showing a DR / GPS data fusion method according to the present invention.
9 is a view showing a simulation result of the DR / GPS data fusion method according to the present invention.

이하, 첨부된 도면을 참조하여 본 발명을 상세히 설명하기로 한다. Hereinafter, with reference to the accompanying drawings will be described in detail the present invention.

먼저, 본 발명에 적용하는 칼만 필터에 관하여 설명하기로 한다. First, the Kalman filter applied to this invention is demonstrated.

1960년, R.E. Kalman 은 이산 데이터의 선형 필터링 문제에 대해 재귀해법을 설명하는 그의 유명한 논문을 발표하였다. 그 당시 많은 부분에서 디지털 컴퓨터의 출현으로 인해 빛을 보게 되었고, 오늘까지 광범위한 분야에서 응용되어 왔다. 1960, R.E. Kalman published his famous paper describing recursive solutions to the linear filtering problem of discrete data. At that time, the emergence of digital computers was seen in many parts, and it has been applied to a wide range of fields until today.

칼만 필터는 상태방정식에서 다음 상태를 최적으로 recursive하게 예측하는 수단을 제공하도록 설정되어 있다. 이것은 여러 가지 측면에서 매우 강력하다. 그것은 과거, 현재, 그리고 미래에 대한 추측을 도와주고 정확한 성격을 알 수 없는 시스템을 모델링 할 수 있게 한다.The Kalman filter is set up to provide a means for optimally recursive prediction of the next state in the state equation. This is very powerful in many ways. It helps speculate about the past, present, and future, and allows you to model systems that do not know their exact nature.

칼만 필터는 선형 확률 차분방정식에 의해 결정되는 이산 제어 시스템의 상태

Figure pat00064
을 예측하려는 일반적인 문제를 해결한다. Kalman filter is a state of discrete control system determined by linear probability differential equations.
Figure pat00064
Solve common problems to try to predict.

Figure pat00065
(1-1)
Figure pat00065
(1-1)

측정치

Figure pat00066
에 대한 방정식: Measure
Figure pat00066
Equation for:

Figure pat00067
(1-2)
Figure pat00067
(1-2)

임의의 변수

Figure pat00068
및
Figure pat00069
각각 프로세스 및 측정 잡음을 나타낸다. 그들은 서로 독립적이고, 백색인 일반적 확률 분포로 가정한다. Random variables
Figure pat00068
And
Figure pat00069
Represent process and measurement noise, respectively. They are assumed to be normal probability distributions that are independent of each other and are white.

Figure pat00070
(1-3)
Figure pat00070
(1-3)

Figure pat00071
(1-4)
Figure pat00071
(1-4)

차분 방정식 (1-1)에서 현재 스텝 k에서의 상태에서의 n×n 행렬 A는 이전 시간 스텝 k-1에서 상태 관계되어 있다. 운동 함수 또는 프로세스 잡음은 무시한다. 각 시간 스텝에서 실제 A는 변화할 수 있다. 그러나 여기에서 그것이 일정하다고 가정한다. n×n 행렬 B는 상태 x에서 최적 제어 입력

Figure pat00072
에 관계되어 있다. 측정 방정식 (1-2)에서 n×n 행렬 H는 측정치
Figure pat00073
에서 상태와 관련되어 있다. 실제 H는 각 시간이나 스텝에 따라 변화할 수 있다. 그렇지만 여기에서는 그것이 일정하다고 가정한다. In the difference equation (1-1), the n × n matrix A in the state at the current step k is state related at the previous time step k-1 . Ignore the motion function or process noise. At each time step, the actual A may change. But here it is assumed to be constant. n × n matrix B is optimal control input in state x
Figure pat00072
Related to. In the measurement equation (1-2), the n × n matrix H is the measured value.
Figure pat00073
Is related to the state. The actual H can change with each time or step. However, it is assumed here that it is constant.

Figure pat00074
를 k 번째에서 알려진 이전 상태 평가치,
Figure pat00075
를 측정치
Figure pat00076
에서 주어진 k 번째에서 다음 상태 평가치로 정의한다. 이전과 다음 평가치 오차를 다음과 같이 정의할 수 있다.
Figure pat00074
Is the previous known state estimate at k ,
Figure pat00075
Measured
Figure pat00076
Is defined as the next state estimate in the kth given in. The previous and next estimate errors can be defined as:

Figure pat00077
(1-5)
Figure pat00077
(1-5)

이전 평가치 에러 공분산은 Previous estimate error covariance

Figure pat00078
(1-6)
Figure pat00078
(1-6)

다음 평가치 에러 공분산은 The next estimate error covariance is

Figure pat00079
(1-7)
Figure pat00079
(1-7)

칼만 필터는 피드백 제어 방식을 사용하여 과정을 추정한다. 필터는 몇몇 시간에서 상태를 추정하고 잡음 측정 방식에서 피드백을 얻는다. 이와 같이, 칼만필터에 대한 방정식은 시간 업데이트 방정식과 측정 업데이트 방정식 둘로 나누어진다. 시간 업데이트 방정식은 다음 시간 과정에 대해 최적 추정치를 얻기 위해 현재상태와 공분산 오차를 추정한다. 개선된 다음 추정치를 얻기 위해 최적 추정에 새로운 측정치를 넣는다. 시간 업데이트 방정식은 또한 측정 업데이트 방정식이 보정 방정식으로 간주되는 동안 예측 방정식으로써 생각할 수 있다. 실제로 최종치 추정 알고리즘은 도 3 에 나타난 바와 같이 수치 해석 문제에 대한 예측-보정 알고리즘과 유사하다. The Kalman filter estimates the process using a feedback control scheme. The filter estimates the state at some time and gets feedback from the noise measurement scheme. As such, the equation for the Kalman filter is divided into both a time update equation and a measurement update equation. The time update equation estimates the current state and covariance error to obtain an optimal estimate for the next time course. Put new measurements in the best estimate to get the next better estimate. The time update equation can also be thought of as a prediction equation while the measurement update equation is considered a correction equation. In fact, the final value estimation algorithm is similar to the prediction-correction algorithm for numerical problems as shown in FIG.

시간과 측정치 업데이트에 대한 자세한 방정식은 다음과 같다. The detailed equation for time and measurement update is as follows.

Figure pat00080
(1-8)
Figure pat00080
(1-8)

Figure pat00081
(1-9)
Figure pat00081
(1-9)

Figure pat00082
(1-10)
Figure pat00082
(1-10)

Figure pat00083
(1-11)
Figure pat00083
(1-11)

Figure pat00084
(1-12)
Figure pat00084
(1-12)

첫번째는 측정을 업데이트 하는 동안 칼만이득 Kk 를 계산하는 것이다. 다음 단계는 실제 zk 를 구하는 방법이고 식 (1-11)에서과 같은 측정치를 통합하여 다음 상태를 측정한다. 마지막 단계는 (1-12)를 통해 오차의 공분산을 업데이트 하는 방법이다. 각 시간 및 측정을 업데이트 후 과정을 반복한다. 이것은 이전 과정 또는 새로운 선형적 예측을 하는데 사용하고 있다. 이 재귀적 기법은 칼만 필터의 매우 매력적인 특징중 하나이다. 각 추적에 대한 모든 데이터가 직접 작동하도록 설계된 Wiener filter의 개발보다 더 실질적인 구현이다. 칼만 필터는 재귀적으로 모든 과거의 측정에 대한 현재를 추정하는 것을 대신한다. 도 4 는 칼만 필터의 수행 과정을 나타낸다. The first is Kalmanza while updating the measurements Calculate Kk . The next step is to find the actual zk , and measure the next state by integrating the measurements as in Eq. (1-11). The final step is to update the covariance of the error through (1-12). Repeat the process after updating each time and measurement. This is used to make previous or new linear predictions. This recursive technique is one of the very attractive features of the Kalman filter. This is a more practical implementation than the development of a Wiener filter, in which all data for each trace is designed to work directly. The Kalman filter replaces recursively estimating the present for all past measurements. 4 shows the performance of the Kalman filter.

이제, 본 발명에 따른 DR/GPS 데이터 융합 방법을 구체적으로 설명하기로 한다. Now, the DR / GPS data fusion method according to the present invention will be described in detail.

도 5 에 도시한 바와 같이, 본 발명에 따른 DR/GPS 데이터 융합 방법을 위한 DR/GPS 데이터 융합 시스템(100)은 항체의 위치이동과 자세변화를 감지하고, 항체의 속도를 감지하는 DR 장치(110), 항법위성을 이용하여 항체의 위치, 속도 및 자세측정치를 산출하는 GPS 수신기(120), GPS 수신기(120)의 GPS 데이터를 시간 지연 시키기 위한 시간 지연 처리단(130) 및 DR 장치(110)의 DR 데이터와 GPS 수신기(120)의 GPS 데이터를 수신하여 융합하는 DR/GPS 데이터 융합 처리기(140)를 포함하여 이루어지는데, DR/GPS 데이터 융합 시스템(100)을 이용하여 DR/GPS 데이터를 융합하는 방법은 칼만 필터에 기반하여 DR 장치(110)의 DR 데이터와 GPS 수신기(120)의 GPS 데이터의 가중치를 조절하는 과정을 거쳐 DR/GPS 데이터를 융합하게 된다. 즉, DR 장치(110)의 DR 데이터와 GPS 수신기(120)의 GPS 데이터의 가중치를 적절히 조절하여 융합함으로써 네비게이션 데이터의 정확도를 높여주게 되는 것이다. As shown in FIG. 5, the DR / GPS data fusion system 100 for the DR / GPS data fusion method according to the present invention is a DR device for detecting the positional movement and posture change of the antibody and detecting the speed of the antibody ( 110, the GPS receiver 120 for calculating the position, velocity and attitude of the antibody using the navigation satellite, the time delay processing stage 130 for delaying the GPS data of the GPS receiver 120 and the DR device 110 DR / GPS data fusion processor 140 that receives and fuses the DR data of the GPS receiver 120 and the GPS data of the GPS receiver 120, and uses the DR / GPS data fusion system 100 to perform DR / GPS data. In the fusion method, the DR / GPS data is fused by adjusting weights of the DR data of the DR device 110 and the GPS data of the GPS receiver 120 based on the Kalman filter. That is, by accurately adjusting and fusion of the DR data of the DR device 110 and the GPS data of the GPS receiver 120, the accuracy of the navigation data is increased.

보다 구체적으로, DR 장치(110)의 DR 데이터와 GPS 수신기(120)의 GPS 데이터의 가중치를 조절하는 과정을 살펴보기로 한다. More specifically, the process of adjusting the weights of the DR data of the DR device 110 and the GPS data of the GPS receiver 120 will be described.

먼저, GPS 수신기(120)를 위한 특성은 X와 Y(X는 위도를　나타내고, Y는 경도를 나타낸다.)가 매우 천천히 특성변화가 일어나고 모든 특성변화는 X와 Y의 정확도를 결정하게 된다. X와 Y의 DR 장치(110)의 공분산이 Q라고 가정하자. 본 발명에 따른 DR/GPS 데이터 융합 방법의 유도를 위해, 먼저 시작하는 점에 가상 GPS 수신기가 있다고 가정한다. 그리고 다음과 같은 단계를 순차적으로 실행한다. First, the characteristics for the GPS receiver 120 are X and Y (where X represents latitude, Y represents longitude), and the characteristic change occurs very slowly, and all the characteristic changes determine the accuracy of X and Y. Assume that the covariance of the DR device 110 of X and Y is Q. For the derivation of the DR / GPS data fusion method according to the invention, it is assumed that there is a virtual GPS receiver at the beginning. Then execute the following steps sequentially.

도 6 에 도시한 바와 같이, 본 발명에 따른 DR 데이터와 GPS 데이터의 가중치를 조절하는 과정은, 크게 초기값을 이용하여 항체의 첫번째 위치를 추정하는 제 1 과정(S110)과, 두번째 위치부터 향후 모든 위치를 추정하는 제 2 과정(S120)을 포함하여 이루어진다. As shown in FIG. 6, the process of adjusting the weights of the DR data and the GPS data according to the present invention includes a first step (S110) of estimating the first position of the antibody by using an initial value, and a second position from now on. It includes a second process (S120) for estimating all positions.

그리고, 도 7 에 도시한 바와 같이, 상기 제 1 과정(S110)은 GPS 수신기(120)에서 GPS 데이터를 수집하는 단계(S111), DR 장치(110)에서 DR 데이터를 측정하는 단계(S112), DR/GPS 데이터 융합처리기(140)에서 GPS 데이터를 이용하여 항체의 현재 위치를 GPS에 기반한 좌표로 설정하는 단계(S113), DR/GPS 데이터 융합처리기(140)에서 GPS 데이터와 DR 데이터를 융합하는 단계(S114) 및 DR/GPS 데이터 융합처리기(140)에서 융합된 DR/GPS 데이터를 출력하는 단계(S115)를 포함하여 이루어진다. As shown in FIG. 7, the first process S110 includes collecting GPS data at the GPS receiver 120 (S111), measuring DR data at the DR device 110 (S112), In step S113, the DR / GPS data fusion processor 140 sets the current position of the antibody to GPS-based coordinates using GPS data, and the DR / GPS data fusion processor 140 fuses the GPS data and the DR data. Step S114 and outputting the fused DR / GPS data in the DR / GPS data fusion processor 140 are performed (S115).

이하, 상기 제 1,2과정(S110),(S120)을 좀 더 구체적으로 설명하기로 한다. Hereinafter, the first and second processes S110 and S120 will be described in more detail.

제 1 단계 : 항체가 시작점에서 정지하고 있는 동안,

Figure pat00085
와
Figure pat00086
를 얻기 위해 GPS 데이터를 수집한다. 상기 제 1 단계는 상기 S111 단계에 해당한다. Step 1: While the antibody is stopped at the starting point,
Figure pat00085
Wow
Figure pat00086
Collect GPS data to get it. The first step corresponds to the step S111.

제 2 단계 : 시간 T에서 항체가 운항을 시작한다(편의상 시작점을 '1'이라 한다). 실제 DR 장치에 기반한 좌표를 시간 T에서

Figure pat00087
와
Figure pat00088
로 설정한다. 상응하는 데이터의 공분산은
Figure pat00089
와
Figure pat00090
이다. 상기 제 2 단계는 상기 S112 단계에 해당한다. Step 2: Antibody begins to operate at time T (convenience starting point is '1'). Coordinates based on the actual DR device at time T
Figure pat00087
Wow
Figure pat00088
. The covariance of the corresponding data is
Figure pat00089
Wow
Figure pat00090
to be. The second step corresponds to step S112.

제 3 단계 : 시간 T에서 실제 GPS 데이터

Figure pat00091
와
Figure pat00092
를 얻는다. Step 3: Real GPS Data at Time T
Figure pat00091
Wow
Figure pat00092
Get

제 4 단계 : GPS 수신기의 출력이 매우 천천히 특성변화가 일어나므로, 시간 T에서 동시에 발생하는 가상 GPS 출력

Figure pat00093
와
Figure pat00094
를 예측한다. Step 4: Since the output of the GPS receiver changes very slowly, the virtual GPS output occurs simultaneously at time T
Figure pat00093
Wow
Figure pat00094
Predict.

제 5 단계 : 시간 T에서 실제 GPS 데이터와 가상 GPS 데이터의 차이를 이용하여, GPS에 기반한 항체의 좌표

Figure pat00095
와
Figure pat00096
를 예측한다. 제 3 단계 내지 제 5 단계는 상기 S113 단계에 해당된다. Step 5: coordinate the antibody based on GPS, using the difference between real GPS data and virtual GPS data at time T
Figure pat00095
Wow
Figure pat00096
Predict. Steps 3 through 5 correspond to step S113.

제 6 단계 : 한 개의 샘플링 동안, DR 장치는 정확한 짧은 시간의 네이게이션 정보를 제공할 수 있는데, 이것을 이용하여 GPS에 기반한 좌표의 공분산을 계산한다. Step 6: During one sampling, the DR device can provide accurate short time navigation information, which is used to calculate the covariance of the coordinates based on GPS.

만약

Figure pat00097
이면
Figure pat00098
의 공분산을
Figure pat00099
로 가정하고,
Figure pat00100
이면
Figure pat00101
의 공분산을
Figure pat00102
로 가정한다. 그외의 경우에는
Figure pat00103
의 공분산이 매우 크다고 가정한다. 이 과정을 통해
Figure pat00104
와
Figure pat00105
의 공분산
Figure pat00106
와
Figure pat00107
를 계산할 수 있다. if
Figure pat00097
If
Figure pat00098
Covariance of
Figure pat00099
Assume that
Figure pat00100
If
Figure pat00101
Covariance of
Figure pat00102
Assume that Otherwise
Figure pat00103
Assume that the covariance of is very large. Through this process
Figure pat00104
Wow
Figure pat00105
Covariance of
Figure pat00106
Wow
Figure pat00107
Can be calculated.

제 7 단계 :

Figure pat00108
를 이용하여 DR 장치의 신뢰도를 계산하고,
Figure pat00109
를 이용하여 GPS 수신기의 신뢰도를 계산한다. Step 7:
Figure pat00108
To calculate the reliability of the DR device,
Figure pat00109
Calculate the reliability of the GPS receiver using.

제 8 단계 ; 다응 식을 이용하여 융합된 결과를 계산한다. Eighth step; Compute the fused results using polynomial equations.

Figure pat00110
,
Figure pat00110
,

Figure pat00111
Figure pat00111

Figure pat00112
의 공분산은
Figure pat00113
이고,
Figure pat00114
의 공분산은
Figure pat00115
이다. 상기 제 6 단계 ~ 제 8 단계는 상기 S114 단계에 해당한다.
Figure pat00112
Covariance of
Figure pat00113
ego,
Figure pat00114
Covariance of
Figure pat00115
to be. The sixth to eighth steps correspond to the step S114.

제 9 단계 : 가상 GPS 수신기의 현재 시간을

Figure pat00116
와
Figure pat00117
을 이용하여 예측한다. 이 데이터의 공분산은
Figure pat00118
와
Figure pat00119
이다. 상기 제 9 단계는 상기 S115 단계에 해당한다. Step 9: get the current time of the virtual GPS receiver
Figure pat00116
Wow
Figure pat00117
Predict using The covariance of this data is
Figure pat00118
Wow
Figure pat00119
to be. The ninth step corresponds to the step S115.

제 10 단계 : 시간 kT(k=2,3...)에서 DR 장치의 좌표

Figure pat00120
와
Figure pat00121
를 취득한다. 이 데이터에 대한 공분산은
Figure pat00122
와
Figure pat00123
이다. 10th step: Coordinate of DR device at time kT (k = 2,3 ...)
Figure pat00120
Wow
Figure pat00121
Get. The covariance for this data is
Figure pat00122
Wow
Figure pat00123
to be.

제 11 단계 : 실제 GPS 데이터로부터

Figure pat00124
와
Figure pat00125
를 취득한다. Step 11: From Real GPS Data
Figure pat00124
Wow
Figure pat00125
Get.

제 12 단계 : 가상 GPS에 대한 현재 시간의 데이터

Figure pat00126
와
Figure pat00127
를 예측한다. Step 12: data of current time for virtual GPS
Figure pat00126
Wow
Figure pat00127
Predict.

제 13 단계 : 현재 시간에 대한 GPS 기반 좌표

Figure pat00128
와
Figure pat00129
를 예측한다. Step 13: GPS based coordinates for the current time
Figure pat00128
Wow
Figure pat00129
Predict.

제 14 단계: 제 6 단계에서 언급한 GPS 기반 좌표의 공분산에 대해 연산한다. Step 14: Compute the covariance of the GPS-based coordinates mentioned in Step 6.

제 15 단계 : DR 장치의 신뢰도

Figure pat00130
, GPS 수신기의 신뢰도
Figure pat00131
를 산출한다. Step 15: reliability of DR device
Figure pat00130
Reliability of GPS receiver
Figure pat00131
Calculate

제 16 단계 : 융합된 결과를 계산하면 다음과 같다. Step 16: Compute the fused results as follows.

Figure pat00132
와
Figure pat00133
Figure pat00132
Wow
Figure pat00133

Figure pat00134
의 공분산은
Figure pat00135
이고,
Figure pat00134
Covariance of
Figure pat00135
ego,

Figure pat00136
의 공분산은
Figure pat00137
이다.
Figure pat00136
Covariance of
Figure pat00137
to be.

제 17 단계 :

Figure pat00138
,
Figure pat00139
를 이용하여 현재 시간에 대한 가상 GPS 수신기의 출력을 예측한다. Step 17:
Figure pat00138
,
Figure pat00139
Predict the output of the virtual GPS receiver for the current time using.

이 데이터에 대한 각각의 공분산은

Figure pat00140
와
Figure pat00141
이다. 상기 제 10 단계 ~ 제 17 단계는 상기 제 2 과정(S120)에 해당한다. Each covariance for this data is
Figure pat00140
Wow
Figure pat00141
to be. Steps 10 to 17 correspond to the second process S120.

이 융합 과정은 반복 과정을 통하여 계산된다.
This fusion process is calculated through an iterative process.

시뮬레이션simulation

본 시뮬레이션에서는 본 발명에 따른 DR/GPS 데이터 융합 방법과 칼만 필터 방법을 실제 GPS 데이터에 적용하였다. 도 9 에 나타난 바와 같이, 일반적인 GPS 수신기에 대해　적용한 본 발명에 따른 DR/GPS 데이터 융합 방법과 칼만 필터 방법에 대한 출력 성능이 비슷하다고 볼 수 있다. 여기에서 시뮬레이션 동안 GPS 수신기가 원활하게 작동하고 있었다는 것을 주목하여야 한다. In this simulation, the DR / GPS data fusion method and Kalman filter method according to the present invention are applied to the actual GPS data. As shown in FIG. 9, the output performances of the DR / GPS data fusion method and the Kalman filter method according to the present invention applied to a general GPS receiver are similar. It should be noted here that the GPS receiver was running smoothly during the simulation.

종종 GPS 수신기가 잘 동작하지 않는다. 작동되지 않는 경우의 예로 기후 변화에 따라 충분한 위성 또는 위성 위치로부터 데이터를 수신할 수 없는 경우를 들 수 있다. 이 경우에 GPS의 에러가 매우 크게 되고 칼만 필터는 좋은 성능을 제공할 수 없게 된다. 본 발명에 따른 DR/GPS 데이터 융합 방법은 GPS 수신기의 신뢰를 수정한 뒤 측정하면 더 좋은 성능을 보여준다. GPS 수신기의 신뢰가 낮을 경우는 DR 장치를 항해 정보에 주로 사용하게 된다. Often the GPS receiver does not work well. An example of an inoperable case is when data cannot be received from enough satellites or satellite locations due to climate change. In this case, the error of the GPS becomes very large and the Kalman filter cannot provide good performance. The DR / GPS data fusion method according to the present invention shows better performance when measured after modifying the reliability of the GPS receiver. When the GPS receiver is low in reliability, the DR device is used mainly for navigation information.

한편, 본 발명에 따른 DR/GPS 데이터 융합 방법을 한정된 실시예에 따라 설명하였지만, 본 발명의 범위는 특정 실시예에 한정되는 것은 아니며, 본 발명과 관련하여 통상의 지식을 가진자에게 자명한 범위내에서 여러 가지의 대안, 수정 및 변경하여 실시할 수 있다. Meanwhile, although the DR / GPS data fusion method according to the present invention has been described according to a limited embodiment, the scope of the present invention is not limited to a specific embodiment, and is obvious to those skilled in the art in connection with the present invention. Various alternatives, modifications and changes can be made within the implementation.

100 : DR/GPS 데이터 융합 시스템 110 : DR 장치
120 : GPS 수신기 130 : 시간 지연 처리단
140 : DR/GPS 데이터 융합처리기100: DR / GPS data fusion system 110: DR device
120: GPS receiver 130: time delay processing stage
140: DR / GPS data fusion processor

Claims (4)

DR 장치의 DR 데이터와 GPS 수신기의 GPS 데이터를 융합하는 방법으로서,
칼만 필터에 기반하여 DR 장치의 DR 데이터와 GPS 수신기의 GPS 데이터의 가중치를 조절하는 과정을 거쳐 DR/GPS 데이터를 융합하는 것을 특징으로 하는 DR/GPS 데이터 융합 방법. A method of fusing DR data of a DR device and GPS data of a GPS receiver,
DR / GPS data fusion method, characterized in that the fusion DR / GPS data by adjusting the weight of the DR data of the DR device and the GPS data of the GPS receiver based on the Kalman filter. 청구항 1에 있어서 상기 DR 데이터와 GPS 데이터의 가중치를 조절하는 과정은,
초기값을 이용하여 항체의 첫번째 위치를 추정하는 제 1 과정과;
두번째 위치부터 향후 모든 위치를 추정하는 제 2 과정을 포함하여 이루어지고,
상기 제 1 과정은,
GPS 데이터를 수집하는 단계와;
DR 데이터를 측정하는 단계와;
GPS 데이터를 이용하여 항체의 현재 위치를 GPS에 기반한 좌표로 설정하는 단계와;
GPS 데이터와 DR 데이터를 융합하는 단계와;
융합된 DR/GPS 데이터를 출력하는 단계를 포함하여 이루어지는 것을 특징으로 하는 DR/GPS 데이터 융합 방법. The method of claim 1, wherein the adjusting of the weights of the DR data and the GPS data is performed.
A first step of estimating the first position of the antibody using the initial value;
Including the second process of estimating all future positions from the second position,
The first process,
Collecting GPS data;
Measuring DR data;
Setting the current position of the antibody to coordinates based on GPS using GPS data;
Fusing GPS data and DR data;
DR / GPS data fusion method comprising the step of outputting the fused DR / GPS data. 청구항 2에 있어서 상기 제 1,2 과정은,
시작점(1)에 가상 GPS 수신기가 있다고 가정하고, 항체가 시작점(1)에서 정지하고 있는 동안, GPS 수신기를 통해 GPS 데이터
Figure pat00142
와
Figure pat00143
를 취득하는 제 1 단계와;
시간 T에서 항체가 운항을 시작하면, 각 데이터의 공분산은
Figure pat00144
와
Figure pat00145
이고, DR 장치에 기반한 좌표를 시간 T에서
Figure pat00146
와
Figure pat00147
로 설정하는 제 2 단계와;
시간 T에서 GPS 수신기를 통해 실제 GPS 데이터
Figure pat00148
와
Figure pat00149
를 취득하는 제 3 단계와;
시간 T에서 가상 GPS 데이터
Figure pat00150
와
Figure pat00151
를 예측하는 제 4 단계와;
시간 T에서 실제 GPS 데이터와 가상 GPS 데이터의 차이를 이용하여, GPS에 기반한 항체의 좌표
Figure pat00152
와
Figure pat00153
를 예측하는 제 5 단계와;
DR 장치를 통해 DR 데이터를 취득하고, 취득한 DR 데이터를 이용하여 GPS에 기반한
Figure pat00154
와
Figure pat00155
의 공분산
Figure pat00156
와
Figure pat00157
를 계산하는 제 6 단계와;
Figure pat00158
를 이용하여 DR 장치의 신뢰도를 계산하고,
Figure pat00159
를 이용하여 GPS 수신기의 신뢰도를 계산하는 제 7 단계와;
Figure pat00160
의 공분산은
Figure pat00161
이고,
Figure pat00162
의 공분산은
Figure pat00163
이며,
Figure pat00164
,
Figure pat00165
을 이용하여 융합된 결과를 계산하는 제 8 단계와;
각 데이터의 공분산은
Figure pat00166
와
Figure pat00167
이며,
Figure pat00168
와
Figure pat00169
을 이용하여 현재의 가상 GPS값을 예측하는 제 9 단계와;
각 데이터의 공분산은
Figure pat00170
와
Figure pat00171
이며,
시간 kT에서 DR 장치의 좌표
Figure pat00172
와
Figure pat00173
를 취득하는 제 10 단계와;
실제 GPS 데이터로부터
Figure pat00174
와
Figure pat00175
를 취득하는 제 11 단계와;
가상 GPS에 대한 현재 시간의 데이터
Figure pat00176
와
Figure pat00177
를 예측하는 제 12 단계와;
Figure pat00178
와
Figure pat00179
로부터 현재 시간에 대한 GPS 기반 좌표를 예측하는 제 13 단계와;
상기
Figure pat00180
와
Figure pat00181
의 공분산
Figure pat00182
와
Figure pat00183
를 계산하는 제 6단계에서 언급한 GPS 기반 좌표의 공분산을 연산하는 제 14 단계와;
DR 장치의 신뢰도
Figure pat00184
, GPS 수신기의 신뢰도
Figure pat00185
를 산출하는 제 15 단계와;
Figure pat00186
의 공분산은
Figure pat00187
이고,
Figure pat00188
의 공분산은
Figure pat00189
이며,
Figure pat00190
와
Figure pat00191
를 산출하는 제 16 단계와;
각 데이터의 공분산은
Figure pat00192
와
Figure pat00193
이며,
Figure pat00194
,
Figure pat00195
를 이용하여 현재 시간에 대한 가상 GPS 수신기의 출력을 예측하는 제 17 단계를 포함하여 이루어진 것을 특징으로 하는 DR/GPS 데이터 융합 방법. The method of claim 2, wherein the first and second processes,
Assume that there is a virtual GPS receiver at the starting point (1), while the antibody is stationary at the starting point (1), GPS data through the GPS receiver
Figure pat00142
Wow
Figure pat00143
Obtaining a first step;
When the antibody begins to run at time T, the covariance of each data is
Figure pat00144
Wow
Figure pat00145
And coordinates based on the DR device at time T
Figure pat00146
Wow
Figure pat00147
Setting a second step;
Real GPS data via GPS receiver at time T
Figure pat00148
Wow
Figure pat00149
Obtaining a third step;
Virtual GPS Data at Time T
Figure pat00150
Wow
Figure pat00151
Predicting a fourth step;
Coordinates of antibodies based on GPS, using the difference between real and virtual GPS data at time T
Figure pat00152
Wow
Figure pat00153
Predicting a fifth step;
Acquire DR data through the DR device, and use the acquired DR data to
Figure pat00154
Wow
Figure pat00155
Covariance of
Figure pat00156
Wow
Figure pat00157
Calculating a sixth step;
Figure pat00158
To calculate the reliability of the DR device,
Figure pat00159
Calculating a reliability of the GPS receiver by using;
Figure pat00160
Covariance of
Figure pat00161
ego,
Figure pat00162
Covariance of
Figure pat00163
Is,
Figure pat00164
,
Figure pat00165
An eighth step of calculating a fused result using a;
The covariance of each data is
Figure pat00166
Wow
Figure pat00167
Is,
Figure pat00168
Wow
Figure pat00169
A ninth step of predicting a current virtual GPS value using the s;
The covariance of each data is
Figure pat00170
Wow
Figure pat00171
Is,
Coordinate of the DR device at time kT
Figure pat00172
Wow
Figure pat00173
A tenth step of obtaining;
From actual GPS data
Figure pat00174
Wow
Figure pat00175
An eleventh step of obtaining;
Data of current time for virtual GPS
Figure pat00176
Wow
Figure pat00177
A twelfth step of predicting;
Figure pat00178
Wow
Figure pat00179
A thirteenth step of predicting the GPS based coordinates for the current time from;
remind
Figure pat00180
Wow
Figure pat00181
Covariance of
Figure pat00182
Wow
Figure pat00183
A fourteenth step of calculating a covariance of the GPS-based coordinates mentioned in the sixth step of calculating a;
DR device reliability
Figure pat00184
Reliability of GPS receiver
Figure pat00185
Calculating a fifteenth step;
Figure pat00186
Covariance of
Figure pat00187
ego,
Figure pat00188
Covariance of
Figure pat00189
Is,
Figure pat00190
Wow
Figure pat00191
Calculating a sixteenth step;
The covariance of each data is
Figure pat00192
Wow
Figure pat00193
Is,
Figure pat00194
,
Figure pat00195
And a seventeenth step of predicting an output of the virtual GPS receiver with respect to the current time using the DR / GPS data fusion method. 청구항 3 에 있어서 상기 공분산
Figure pat00196
와
Figure pat00197
를 계산하는 제 6 단계에서,
Figure pat00198
이면
Figure pat00199
의 공분산을
Figure pat00200
로 가정하고,
Figure pat00201
이면
Figure pat00202
의 공분산을
Figure pat00203
로 가정하며, 그외의 경우에는
Figure pat00204
의 공분산이 매우 크다고 가정하는 것을 특징으로 하는 DR/GPS 데이터 융합 방법. The method of claim 3, wherein the covariance
Figure pat00196
Wow
Figure pat00197
In the sixth step of calculating
Figure pat00198
If
Figure pat00199
Covariance of
Figure pat00200
Assume that
Figure pat00201
If
Figure pat00202
Covariance of
Figure pat00203
, Otherwise,
Figure pat00204
DR / GPS data fusion method, characterized in that the covariance of.
KR20100033449A 2010-04-12 2010-04-12 DR/GPS Data Fusion Method KR101141984B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20100033449A KR101141984B1 (en) 2010-04-12 2010-04-12 DR/GPS Data Fusion Method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20100033449A KR101141984B1 (en) 2010-04-12 2010-04-12 DR/GPS Data Fusion Method

Publications (2)

Publication Number Publication Date
KR20110114039A true KR20110114039A (en) 2011-10-19
KR101141984B1 KR101141984B1 (en) 2012-05-07

Family

ID=45029189

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20100033449A KR101141984B1 (en) 2010-04-12 2010-04-12 DR/GPS Data Fusion Method

Country Status (1)

Country Link
KR (1) KR101141984B1 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140055493A (en) * 2012-10-31 2014-05-09 한국전자통신연구원 Apparatus and method for estimating location of terminal using dead reckoning
KR20170110800A (en) * 2016-03-24 2017-10-12 엘지전자 주식회사 Navigation Apparutaus and Driver Assistance Apparatus Having The Same
KR20180068555A (en) * 2016-12-14 2018-06-22 현대모비스 주식회사 System for positioning location information of car
KR20190109645A (en) * 2018-03-06 2019-09-26 현대모비스 주식회사 Apparatus for determining position of vehicle and method thereof
CN113805486A (en) * 2021-10-13 2021-12-17 哈尔滨工程大学 USV path tracking control method

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104076379B (en) * 2014-07-01 2016-09-14 山东航向电子科技有限公司 Transfer rate self-adapting intelligent power saving 4G positioning and tracking device and method

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100742612B1 (en) * 2005-08-19 2007-07-25 한국전자통신연구원 Apparatus and Method for Complex Navigation Using Dead Reckoning and GPS
KR20090108444A (en) * 2008-04-11 2009-10-15 엘지전자 주식회사 Navigation apparatus and method for locating of vehicles in navigation system

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140055493A (en) * 2012-10-31 2014-05-09 한국전자통신연구원 Apparatus and method for estimating location of terminal using dead reckoning
KR20170110800A (en) * 2016-03-24 2017-10-12 엘지전자 주식회사 Navigation Apparutaus and Driver Assistance Apparatus Having The Same
KR20180068555A (en) * 2016-12-14 2018-06-22 현대모비스 주식회사 System for positioning location information of car
KR20190109645A (en) * 2018-03-06 2019-09-26 현대모비스 주식회사 Apparatus for determining position of vehicle and method thereof
CN113805486A (en) * 2021-10-13 2021-12-17 哈尔滨工程大学 USV path tracking control method

Also Published As

Publication number Publication date
KR101141984B1 (en) 2012-05-07

Similar Documents

Publication Publication Date Title
US11965741B2 (en) Methods of attitude and misalignment estimation for constraint free portable navigation
US8860609B2 (en) Loosely-coupled integration of global navigation satellite system and inertial navigation system
CN101382431B (en) Positioning system and method thereof
US8412456B2 (en) Loosely-coupled integration of global navigation satellite system and inertial navigation system: speed scale-factor and heading bias calibration
JP5301762B2 (en) Carrier phase relative positioning device
US20070282565A1 (en) Object locating in restricted environments using personal navigation
US20150153178A1 (en) Car navigation system and method in which global navigation satellite system (gnss) and dead reckoning (dr) are merged
EP2816374B1 (en) Vehicle positioning in high-reflection environments
KR101141984B1 (en) DR/GPS Data Fusion Method
KR101473653B1 (en) Pedestrian Dead-Reckoning apparatus based on pedestrian motion recognition and method thereof
US11428822B2 (en) Methods and systems for location determination
KR20180108629A (en) Alignment of visual inertial odometer and satellite positioning system reference frames
JP2012207919A (en) Abnormal value determination device, positioning device, and program
KR100443550B1 (en) IMU-GPS Integrated System including error correction system, Method for reducing search space of integer ambiguity, Method for detecting Cycle slip, and position, velocity, attitude determination Method using the same
Mu et al. A GNSS/INS-integrated system for an arbitrarily mounted land vehicle navigation device
Islam et al. An effective approach to improving low-cost GPS positioning accuracy in real-time navigation
KR20130036145A (en) A moving information determination apparatus, a receiver, and a method thereby
Kanhere et al. Integrity for GPS/LiDAR fusion utilizing a RAIM framework
JP5994237B2 (en) Positioning device and program
JP2022545327A (en) Increase sensitivity to reflected GNSS signals
CN108351420B (en) Method for detecting parasitic movements during static alignment of an inertial measurement unit, and associated detection device
CN113063441B (en) Data source correction method and device for accumulated calculation error of odometer
US7151999B2 (en) Passive terrain navigation
KR101964059B1 (en) System for locating vehicle based on wheel speed sensor for guide system in indoor parking lot
US10816675B2 (en) Coordinate output method and coordinate output device

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150421

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee