KR102139641B1 - 강인 필터, 수축 기법에 기반한 거리 추정 방법 및 시스템 - Google Patents

강인 필터, 수축 기법에 기반한 거리 추정 방법 및 시스템 Download PDF

Info

Publication number
KR102139641B1
KR102139641B1 KR1020180067927A KR20180067927A KR102139641B1 KR 102139641 B1 KR102139641 B1 KR 102139641B1 KR 1020180067927 A KR1020180067927 A KR 1020180067927A KR 20180067927 A KR20180067927 A KR 20180067927A KR 102139641 B1 KR102139641 B1 KR 102139641B1
Authority
KR
South Korea
Prior art keywords
distance estimation
filter
variance
estimation amount
distance
Prior art date
Application number
KR1020180067927A
Other languages
English (en)
Other versions
KR20190141321A (ko
Inventor
장준혁
박치현
Original Assignee
한양대학교 산학협력단
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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020180067927A priority Critical patent/KR102139641B1/ko
Publication of KR20190141321A publication Critical patent/KR20190141321A/ko
Application granted granted Critical
Publication of KR102139641B1 publication Critical patent/KR102139641B1/ko

Links

Images

Classifications

    • 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

Abstract

강인 필터, 수축 기법에 기반한 거리 추정 기술이 개시된다. 일 실시예에 따른 거리 추정 시스템에 의하여 수행되는 거리 추정 방법은, 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계; 상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계; 및 상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 단계를 포함할 수 있다.

Description

강인 필터, 수축 기법에 기반한 거리 추정 방법 및 시스템{ROBUST SHRINKAGE RANGE ESTIMATION METHOD AND SYSTEM BASED ON HAMPEL AND SKIPPED FILTERS}
아래의 설명은 다중 경로 환경에서의 거리 추정 방법 및 시스템에 관한 것이다.
신호원 위치 추정은 다양한 분야에서 중요한 역할을 한다. 거리 기반의 신호원 위치 추정을 수행하기 위해서는 신호원과 센서간의 거리가 추정되어야 한다. 이때, TOA와 RSS가 이용될 수 있다. 실내에서 거리를 추정할 경우 다중 경로 현상(multipath effect)에 의한 영향으로 정확한 거리 추정이 어렵다. 이러한 경우, 양호한 거리 추정을 위하여 다중 경로에 강인한 거리추정법이 필요하다.
종래의 기술, 비특허문헌 1("Distance estimation from received signal strength under log-normal shadowing: bias and variance," IEEE signal processing letters, vol. 16, no. 3.)과 비특허문헌 2("On the hybrid TOA/RSS range estimation in wireless sensor networks," IEEE Trans. wireless communications, vol. 17, no. 1)는 강인 필터를 이용하지 않으므로 다중 경로 환경에서 추정 성능이 급격히 저하된다. 또한, 비특허문헌 2는 수축 알고리즘을 이용하지 않기 때문에 낮은 신호 대 잡음비에서 성능이 수축기법을 적용한 경우보다 저하된다.
비특허문헌 1:"Distance estimation from received signal strength under log-normal shadowing: bias and variance," IEEE signal processing letters, vol. 16, no. 3. 비특허문헌 2:"On the hybrid TOA/RSS range estimation in wireless sensor networks," IEEE Trans. wireless communications, vol. 17, no. 1
강인 필터와 수축 기법에 기반하여 거리를 추정하는 방법 및 시스템을 제공할 수 있다. Hampel 필터와 skipped 필터를 이용한 거리 추정에 있어 수축 인자(shrinkage factor)를 계산하기 위하여 분산을 추정하는 data-driven 기반 해석적 방법 및 시스템을 제공할 수 있다.
거리 추정 시스템에 의하여 수행되는 거리 추정 방법은, 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계; 상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계; 및 상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 단계를 포함할 수 있다.
상기 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계는, 상기 강인 필터로 햄펠(Hampel) 필터 또는 스킵트(Skipped) 필터 중 적어도 하나 이상의 필터를 이용하는 단계를 포함할 수 있다.
상기 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계는, 상기 햄펠 필터를 이용하여 거리 추정을 위한 센서 데이터를 필터링하여 필터값을 획득하고, 상기 획득된 필터값에 대한 통계적 검정을 통하여 거리 추정량을 연산하는 단계를 포함할 수 있다.
상기 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계는, 상기 햄펠 필터를 이용하여 상기 센서 데이터에 대한 필터링을 통하여 이상값을 중간값으로 대체하고, 상기 중간값을 포함하는 정상값을 이용하는 단계를 포함할 수 있다.
상기 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계는, 상기 중간값을 포함하는 정상값에 대한 평균을 계산한 평균값에 분산을 수행하고, 상기 평균값의 분산에 기반하여 상기 햄펠 필터에 대한 거리 추정량을 획득하는 단계를 포함할 수 있다.
상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계는, 상기 강인 필터 중 햄펠 필터를 이용하여 상기 센서 데이터에 대하여 필터링된 중간값을 포함하는 정상값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 상기 햄펠 필터의 거리 추정량의 분산을 계산하고, 상기 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정하는 단계를 포함할 수 있다.
상기 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계는, 상기 스킵트 필터를 이용하여 상기 센서 데이터로부터 이상값을 제외한 관측값을 획득하고, 상기 이상값을 제외한 관측값에 기반하여 상기 스킵트 필터에 대한 거리 추정량을 계산하는 단계를 포함할 수 있다.
상기 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계는, 상기 이상값을 제외한 관측값에 대한 평균을 수행하여 평균값을 계산하고, 상기 계산된 평균값에 분산을 수행하고, 상기 평균값에 분산에 기반하여 상기 스킵트 필터에 대한 거리 추정량을 획득하는 단계를 포함할 수 있다.
상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계는, 상기 강인 필터 중 스킵트 필터를 이용하여 필터링된 이상값을 제외한 관측값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 상기 스킵트 필터의 거리 추정량의 분산을 계산하고, 상기 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정하는 단계를 포함할 수 있다.
거리 추정 시스템은, 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 획득부; 상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 추정부; 및 상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 산출부를 포함할 수 있다.
상기 획득부는, 상기 강인 필터로 햄펠(Hampel) 필터 또는 스킵트(Skipped) 필터 중 적어도 하나 이상의 필터를 이용할 수 있다.
상기 획득부는, 상기 햄펠 필터를 이용하여 거리 추정을 위한 센서 데이터를 필터링하여 필터값을 획득하고, 상기 획득된 필터값에 대한 통계적 검정을 통하여 거리 추정량을 연산하되, 상기 햄펠 필터를 이용하여 상기 센서 데이터에 대한 필터링을 통하여 이상값을 중간값으로 대체하고, 상기 중간값을 포함하는 정상값을 이용하고, 상기 중간값을 포함하는 정상값에 대한 평균을 계산한 평균값에 분산을 수행하고, 상기 평균값의 분산에 기반하여 상기 햄펠 필터에 대한 거리 추정량을 획득할 수 있다.
상기 획득부는, 상기 스킵트 필터를 이용하여 상기 센서 데이터로부터 이상값을 제외한 관측값을 획득하고, 상기 이상값을 제외한 관측값에 기반하여 상기 스킵트 필터에 대한 거리 추정량를 계산하되, 상기 이상값을 제외한 관측값에 대한 평균을 수행하여 평균값을 계산하고, 상기 계산된 평균값에 분산을 수행하고, 상기 평균값에 분산에 기반하여 상기 스킵트 필터에 대한 거리 추정량을 획득할 수 있다.
상기 추정부는, 상기 강인 필터 중 햄펠 필터를 이용하여 상기 센서 데이터에 대하여 필터링된 중간값을 포함하는 정상값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 상기 햄펠 필터의 거리 추정량의 분산을 계산하고, 상기 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정할 수 있다.
상기 추정부는, 상기 강인 필터 중 스킵트 필터를 이용하여 필터링된 이상값을 제외한 관측값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 상기 스킵트 필터의 거리 추정량의 분산을 계산하고, 상기 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정할 수 있다.
일 실시예에 따른 거리 추정 시스템은 강인 필터와 수축 기법을 동시에 적용하여 이상치에 강인하고 낮은 신호 대 잡음비에서 기존의 최대 우도 기법이나 최소 자승법보다 추정 오차를 감소시킬 수 있다.
일 실시예에 따른 거리 추정 시스템은 다중 경로 환경에서 보다 정확하게 거리를 추정할 수 있다.
도 1은 일 실시예에 따른 거리 추정 시스템의 개괄적인 동작을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 거리 추정 시스템의 구성을 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 거리 추정 시스템의 거리 추정 방법을 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 강인 필터에서 수축 인자를 추정하는 방법을 설명하기 위한 흐름도이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 거리 추정 시스템의 개괄적인 동작을 설명하기 위한 도면이다.
거리 추정 시스템은 강인(Robust) 필터(110)와 수축(Shrinkage) 기법(120)에 기반한 강인 수축 기법(130)을 제안할 수 있다. 거리 추정 시스템은 강인 기법과 수축 알고리즘을 동시에 적용한 거리 추정을 수행할 수 있다. 이때, 강인 필터(110)는 예를 들면, 햄펠(Hampel) 필터, 스킵트 필터(Skipped)를 적용할 수 있다.
거리 추정 시스템은 기존의 거리 추정 성능을 낮은 신호 대 잡음비에서 향상시키기 위하여 수축 기법(120)을 이용할 수 있다. 이러한 수신 신호의 강도가 거리 추정을 위하여 사용될 수 있다. 이때, 실시예에서는 거리 기반의 위치 추정을 수행하기 위하여 신호원과 센서간의 거리를 추정함에 있어서, RSS를 이용할 수 있다. 이에 더하여 이상치(outlier)에 강인하게 하기 위하여 강인 필터, 예를 들면, 햄펠 필터 또는 스킵트 필터 중 어느 하나 이상의 필터를 이용할 수 있다. 일례로, 거리 추정 시스템은 스킵트(Skipped) 필터를 이용하여 거리 정보에 대한 이상값을 제외한 정상값만을 이용하여 분산을 도출할 수 있고, 햄펠 필터를 이용하여 거리 정보에 대한 이상값을 중간값으로 대체하고, 대체된 중간값과 정상값을 이용하여 분산을 도출할 수 있다.
구체적으로, 햄펠 필터의 필터링은 다음의 수학식 1과 같이 수행될 수 있다.
수학식 1:
Figure 112018057960932-pat00001
여기서, Pi는 센서 데이터, m은 중간값(median)이고, t는 별도로 결정되는 값이고,
Figure 112018057960932-pat00002
이다. 이때, t는 사용자 또는 실험에 의하여 결정될 수 있고, 변경될 수 있는 값을 의미한다. 이와 같이 센서 데이터에 대하여 햄펠 필터를 통하여 필터링을 수행한 값을 획득할 수 있다. 예를 들면, 센서 데이터는 단일 센서에 의하여 획득된 값을 의미할 수 있고, 또는, 복수의 센서에 의하여 획득된 값을 의미할 수도 있다.
이에, 햄펠 필터의 최종 출력은
Figure 112018057960932-pat00003
이다(M: 샘플 수). 센서 데이터에 대하여 햄펠 필터를 통하여 필터링을 수행한 값에 대한 통계적 검정(예를 들면, 평균)을 수행함에 따라 최종 출력을 획득할 수 있다.
햄펠 필터에 대한 분산을 다음의 수학식 2와 같이 계산될 수 있다.
수학식 2:
Figure 112018057960932-pat00004
여기서,
Figure 112018057960932-pat00005
Figure 112018057960932-pat00006
, Q는 정상치로 판정된 샘플의 수, R은 이상치로 판단된 샘플의 수, M=Q+R,
Figure 112018057960932-pat00007
은 햄펠 필터의 거리 추정량을 의미한다.
한편, 스킵트 필터에서는 절대값이 임계치보다 작을 경우에만, 값을 취하고 임계치보다 클 경우, 값을 버린 결과에 대한 샘플 평균이 출력값이 된다. 스킵트 필터에 대한 분산은 다음의 수학식 3과 같이 계산될 수 있다.
수학식 3:
Figure 112018057960932-pat00008
여기서,
Figure 112018057960932-pat00009
이때,
Figure 112018057960932-pat00010
는 스킵트 필터의 거리 추정량을 의미한다.
이에 따라 강인-수축 거리 추정량(estimator)는 다음과 같이 표현될 수 있다.
Figure 112018057960932-pat00011
여기서, Ham은 햄펠 필터, Sk는 스킵트 필터의 약어이고, PBM은 positive blind minimax이고 BS는 Bayesian shrinkage를 의미한다. 또한, d*는 미리 결정된 사전 정보이다. 강인-수축 거리 추정량을 다음과 같은 식으로 정의될 수 있다.
Figure 112018057960932-pat00012
,
Figure 112018057960932-pat00013
마찬가지로, 나머지,
Figure 112018057960932-pat00014
,
Figure 112018057960932-pat00015
도 위와 같은 식으로 정리될 수 있다.
이에 따라 강인 필터와 수축 기법을 적용하여 강인 수축 기법을 제공할 수 있다. 또한, 다중 경로에 강인하고 기존 강인 알고리즘에 비하여 추정 성능이 우수한 거리 추정 기술을 제공할 수 있다.
도 2는 일 실시예에 따른 거리 추정 시스템의 구성을 설명하기 위한 블록도이고, 도 3은 일 실시예에 따른 거리 추정 시스템의 거리 추정 방법을 설명하기 위한 흐름도이다.
거리 추정 시스템(200)은 위치와 위치를 연결한 거리에 대한 거리 추정의 성능을 향상시키기 위한 것으로, 획득부(210), 추정부(220) 및 산출부(230)를 포함할 수 있다. 이러한 구성요소들은 거리 추정 시스템(100)에 저장된 프로그램 코드가 제공하는 제어 명령에 따라 프로세서에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 구성요소들은 도 3의 거리 추정 방법이 포함하는 단계들(310 내지 330)을 수행하도록 거리 추정 시스템(200)을 제어할 수 있다. 이때, 구성요소들은 메모리가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
거리 추정 시스템(200)의 프로세서는 거리 추정 방법을 위한 프로그램의 파일에 저장된 프로그램 코드를 메모리에 로딩할 수 있다. 예를 들면, 거리 추정 시스템(200)에서 프로그램이 실행되면, 프로세서는 운영체제의 제어에 따라 프로그램의 파일로부터 프로그램 코드를 메모리에 로딩하도록 거리 추정 시스템(200)을 제어할 수 있다. 이때, 프로세서 및 프로세서가 포함하는 획득부(210), 추정부(220) 및 산출부(230) 각각은 메모리에 로딩된 프로그램 코드 중 대응하는 부분의 명령을 실행하여 이후 단계들(310 내지 330)을 실행하기 위한 프로세서의 서로 다른 기능적 표현들일 수 있다.
단계(310)에서 획득부(210)는 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득할 수 있다. 획득부(210)는 강인 필터로 햄펠 필터 또는 스킵트 필터 중 적어도 하나 이상의 필터를 이용할 수 있다. 예를 들면, 획득부(210)는 햄펠 필터 및 스킵트 필터를 동시에 적용시킬 수 있다. 획득부(210)는 햄펠 필터를 이용하여 거리 추정을 위한 센서 데이터를 필터링하여 필터값을 획득하고, 획득된 필터값에 대한 통계적 검정을 통하여 거리 추정량을 연산할 수 있다. 구체적으로, 획득부(210)는 햄펠 필터를 이용하여 센서 데이터에 대한 필터링을 통하여 이상값을 중간값으로 대체하고, 중간값을 포함하는 정상값을 이용할 수 있다. 이때, 획득부(210)는 센서 데이터에 대한 필터링을 수행함에 있어서, 센서 데이터의 값이 기 설정된 기준값의 범위를 벗어날 경우, 벗어난 이상값을 중간값으로 대체할 수 있다. 이에, 기 설정된 기준값의 범위에 포함되는 값들을 정상값으로 기재하기로 한다. 획득부(210)는 중간값을 포함하는 정상값에 대한 평균을 계산한 평균값에 분산을 수행하고, 평균값의 분산에 기반하여 햄펠 필터에 대한 거리 추정량을 획득할 수 있다.
또한, 획득부(210)는 스킵트 필터를 이용하여 센서 데이터로부터 이상값을 제외한 관측값을 획득하고, 이상값을 제외한 관측값에 기반하여 스킵트 필터에 대한 거리 추정량을 계산할 수 있다. 예를 들면, 획득부(210)는 센서 데이터의 값이 기 설정된 기준값의 범위를 벗어날 경우, 벗어난 이상값을 제외시킬 수 있다. 이에, 기 설정된 기준값의 범위에 포함된 값들을 관측값이라고 기재하기로 한다. 획득부(210)는 이상값을 제외한 관측값에 대한 평균을 수행하여 평균값을 계산하고, 계산된 평균값에 분산을 수행하고, 평균값에 분산에 기반하여 스킵트 필터에 대한 거리 추정량을 획득할 수 있다.
단계(320)에서 추정부(220)는 햄펠 필터를 이용하여 센서 데이터에 대한 필터링된 도출된 중간값을 포함하는 정상값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 강인 필터의 거리 추정량의 분산을 계산하고, 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정할 수 있다. 추정부(220)는 스킵트 필터를 이용하여 필터링된 이상값을 제외한 관측값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 스킵트 필터의 거리 추정량의 분산을 계산하고, 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정할 수 있다.
단계(330)에서 산출부(230)는 추정된 수축 인자와 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출할 수 있다.
도 4는 일 실시예에 따른 강인 필터에서 수축 인자를 추정하는 방법을 설명하기 위한 흐름도이다.
거리 추정 시스템은 강인 필터와 수축 기법을 거리 추정에 적용시킬 수 있다. 이에, 스킵트 필터와 햄펠 필터를 이용한 거리 추정에 있어 수축 인자(shrinkage factor)를 계산하기 위하여 분산을 추정하는 data-driven 기반 해석적 방법을 설명하기로 한다.
거리 추정 시스템은 햄펠 필터의 최종 출력에 대한 분산을 계산할 수 있다(410). 구체적으로, 거리 추정 시스템은 햄펠 필터에서의 센서 데이터에 대한 필터링된 값에 평균을 수행하고, 평균을 수행함에 따라 획득된 평균값에 분산을 계산함으로써 가중치(분산값)를 획득할 수 있다. 거리 추정 시스템은 평균값의 분산에 기반하여 햄펠 필터의 거리 추정량에 대한 분산을 계산할 수 있다. 거리 추정 시스템은 햄펠 필터의 거리 추정량에 대한 분산을 계산함으로써 수축 인자를 추정할 수 있다(430). 예를 들면, 거리 추정 시스템은 수축 인자를 추정함에 있어서 햄펠 필터만을 이용하여 수축 인자를 추정할 수 있다. 또는, 거리 추정 시스템은 수축 인자를 추정함에 있어서, 햄펠 필터 및 스킵트 필터 중 어느 하나 이상의 필터를 이용하여 수축 인자를 추정할 수도 있다.
마찬가지로, 거리 추정 시스템은 스킵트 필터를 이용하여 센서 데이터로부터 이상값을 제외한 관측값을 획득하고, 이상값을 제외한 관측값에 기반하여 스킵트 필터에 대한 거리 추정량의 분산을 계산할 수 있다. 거리 추정 시스템은 이상값을 제외한 관측값에 대한 평균을 수행하여 평균값을 계산하고, 계산된 평균값에 분산을 수행하고, 평균값에 분산에 기반하여 스킵트 필터에 대한 거리 추정량을 획득할 수 있다. 거리 추정 시스템은 스킵트 필터의 거리 추정량에 대한 분산을 계산함으로써 수축 인자를 추정할 수 있다.
이에 따라, 거리 추정 시스템은 강인 필터와 수축 기법에 기반한 거리 추정을 수행할 수 있다. 일 실시예에 따른 거리 추정 시스템은 기존의 방법 중 스케일(scale)을 추정하는데 강인 및 수축 알고리즘을 사용한 것과 달리, 위치, 거리 파라미터를 추정하는데 강인 및 수축 알고리즘을 적용함으로써 다중 경로 환경에서 우수한 성능으로 거리 추정이 가능하게 된다. 컴퓨터 시뮬레이션을 통하여 제안된 알고리즘의 성능을 평가함에 따라 기존의 알고리즘에 비하여 우수함을 보임을 알 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 거리 추정 시스템에 의하여 수행되는 거리 추정 방법에 있어서,
    강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계;
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계; 및
    상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 단계
    를 포함하고,
    상기 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계는,
    상기 강인 필터 중 햄펠(Hampel) 필터를 이용하여 거리 추정을 위한 센서 데이터를 필터링하여 필터값을 획득하고, 상기 획득된 필터값에 대한 통계적 검정을 통하여 거리 추정량을 연산하고, 상기 햄펠 필터를 이용하여 상기 센서 데이터에 대한 필터링을 통하여 이상값을 중간값으로 대체하고, 상기 중간값을 포함하는 정상값을 이용하고, 상기 중간값을 포함하는 정상값에 대한 평균을 계산한 평균값에 분산을 수행하고, 상기 평균값의 분산에 기반하여 상기 햄펠 필터에 대한 거리 추정량을 획득하는 단계
    를 포함하는 거리 추정 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 거리 추정 시스템에 의하여 수행되는 거리 추정 방법에 있어서,
    강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계;
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계; 및
    상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 단계
    를 포함하고,
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계는,
    상기 강인 필터 중 햄펠 필터를 이용하여 상기 센서 데이터에 대하여 필터링된 중간값을 포함하는 정상값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 상기 햄펠 필터의 거리 추정량의 분산을 계산하고, 상기 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정하는 단계
    를 포함하는 거리 추정 방법.
  7. 삭제
  8. 거리 추정 시스템에 의하여 수행되는 거리 추정 방법에 있어서,
    강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계;
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계; 및
    상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 단계
    를 포함하고,
    상기 강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계는,
    상기 강인 필터 중 스킵트 필터를 이용하여 상기 센서 데이터로부터 이상값을 제외한 관측값을 획득하고, 상기 이상값을 제외한 관측값에 기반하여 상기 스킵트 필터에 대한 거리 추정량을 계산하되, 상기 이상값을 제외한 관측값에 대한 평균을 수행하여 평균값을 계산하고, 상기 계산된 평균값에 분산을 수행하고, 상기 평균값에 분산에 기반하여 상기 스킵트 필터에 대한 거리 추정량을 획득하는 단계
    를 포함하는 거리 추정 방법.
  9. 거리 추정 시스템에 의하여 수행되는 거리 추정 방법에 있어서,
    강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 단계;
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계; 및
    상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 단계
    를 포함하고,
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 단계는,
    상기 강인 필터 중 스킵트 필터를 이용하여 필터링된 이상값을 제외한 관측값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 상기 스킵트 필터의 거리 추정량의 분산을 계산하고, 상기 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정하는 단계
    를 포함하는 거리 추정 방법.
  10. 거리 추정 시스템에 있어서,
    강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 획득부;
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 추정부; 및
    상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 산출부
    를 포함하고,
    상기 획득부는,
    상기 강인 필터 중 햄펠(Hampel) 필터를 이용하여 거리 추정을 위한 센서 데이터를 필터링하여 필터값을 획득하고, 상기 획득된 필터값에 대한 통계적 검정을 통하여 거리 추정량을 연산하되, 상기 햄펠 필터를 이용하여 상기 센서 데이터에 대한 필터링을 통하여 이상값을 중간값으로 대체하고, 상기 중간값을 포함하는 정상값을 이용하고, 상기 중간값을 포함하는 정상값에 대한 평균을 계산한 평균값에 분산을 수행하고, 상기 평균값의 분산에 기반하여 상기 햄펠 필터에 대한 거리 추정량을 획득하는
    거리 추정 시스템.
  11. 삭제
  12. 삭제
  13. 거리 추정 시스템에 있어서,
    강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 획득부;
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 추정부; 및
    상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 산출부
    상기 획득부는,
    상기 강인 필터 중 스킵트 필터를 이용하여 상기 센서 데이터로부터 이상값을 제외한 관측값을 획득하고, 상기 이상값을 제외한 관측값에 기반하여 상기 스킵트 필터에 대한 거리 추정량의 분산을 계산하되, 상기 이상값을 제외한 관측값에 대한 평균을 수행하여 평균값을 계산하고, 상기 계산된 평균값에 분산을 수행하고, 상기 평균값에 분산에 기반하여 상기 스킵트 필터에 대한 거리 추정량을 획득하는
    것을 특징으로 하는 거리 추정 시스템.
  14. 거리 추정 시스템에 있어서,
    강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 획득부;
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 추정부; 및
    상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 산출부
    를 포함하고,
    상기 추정부는,
    상기 강인 필터 중 햄펠 필터를 이용하여 상기 센서 데이터에 대하여 필터링된 중간값을 포함하는 정상값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 상기 햄펠 필터의 거리 추정량의 분산을 계산하고, 상기 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정하는
    것을 특징으로 하는 거리 추정 시스템.
  15. 거리 추정 시스템에 있어서,
    강인 필터를 이용하여 거리 추정을 위한 센서 데이터로부터 거리 추정량을 획득하는 획득부;
    상기 획득된 거리 추정량으로부터 수축 인자를 추정하는 추정부; 및
    상기 추정된 수축 인자와 상기 획득된 강인 필터의 거리 추정량에 기반하여 강인-수축 거리 추정량을 산출하는 산출부
    를 포함하고,
    상기 추정부는,
    상기 강인 필터 중 스킵트 필터를 이용하여 필터링된 이상값을 제외한 관측값에 대한 평균값에 분산을 수행함에 따라 계산된 평균값의 가중치를 이용하여 상기 스킵트 필터의 거리 추정량의 분산을 계산하고, 상기 계산된 거리 추정량의 분산에 기반하여 수축 인자를 추정하는
    것을 특징으로 하는 거리 추정 시스템.

KR1020180067927A 2018-06-14 2018-06-14 강인 필터, 수축 기법에 기반한 거리 추정 방법 및 시스템 KR102139641B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180067927A KR102139641B1 (ko) 2018-06-14 2018-06-14 강인 필터, 수축 기법에 기반한 거리 추정 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180067927A KR102139641B1 (ko) 2018-06-14 2018-06-14 강인 필터, 수축 기법에 기반한 거리 추정 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20190141321A KR20190141321A (ko) 2019-12-24
KR102139641B1 true KR102139641B1 (ko) 2020-07-30

Family

ID=69006286

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180067927A KR102139641B1 (ko) 2018-06-14 2018-06-14 강인 필터, 수축 기법에 기반한 거리 추정 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102139641B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102347001B1 (ko) * 2020-06-11 2022-01-04 한양대학교 산학협력단 하이퍼 탄젠트 손실 함수를 이용한 강인한 거리 추정 방법 및 장치
KR102480212B1 (ko) * 2021-02-17 2022-12-22 한양대학교 산학협력단 MM 및 Skip 추정법에 기반한 강인한 가중치 MUSIC 알고리즘 제공 방법 및 장치

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Aroland M’conie Jilui Kiring, Shrinkage Based Particle Filters for Tracking in Wireless Sensor Networks with Correlated Sparse Measurements, THE UNIVERSITY OF SHEFFIELD, 2017.12.*
Yan ZHANG et al., An Improved Outliers Detection Algorithm for Received Signal Strength Measurements in Building Environment, Chengdu University, 2016.*
Yonina C. Eldar, Uniformly Improving the Cram´er-Rao Bound and Maximum-Likelihood Estimation, IEEE, 2006.07.17.*

Also Published As

Publication number Publication date
KR20190141321A (ko) 2019-12-24

Similar Documents

Publication Publication Date Title
CN105549049B (zh) 一种应用于gps导航的自适应卡尔曼滤波算法
KR101634126B1 (ko) 위치 추정 방법, 장치 및 그 기록매체
KR102094506B1 (ko) 피사체 추적 기법을 이용한 카메라와 피사체 사이의 거리 변화 측정방법 상기 방법을 기록한 컴퓨터 판독 가능 저장매체 및 거리 변화 측정 장치.
KR102139641B1 (ko) 강인 필터, 수축 기법에 기반한 거리 추정 방법 및 시스템
JP6277638B2 (ja) 信号処理装置、信号処理方法及びコンピュータプログラム
Chiou et al. Reduced-complexity scheme using alpha–beta filtering for location tracking
WO2017103331A1 (en) Positioning of mobile device
WO2019102323A1 (en) Fingerprint data pre-process method for improving localization model
US9793928B2 (en) Method and device for measuring the current signal-to-noise ratio when decoding LDPC codes
KR101627419B1 (ko) 이동 노드의 위치 추정 방법 및 그 장치
CN104407366A (zh) 一种对伪距进行平滑处理的方法
Ramamurthy et al. Computing persistent homology under random projection
Titman Estimating parametric semi-Markov models from panel data using phase-type approximations
WO2016098250A1 (ja) 波形推定装置及び波形推定方法
US20150350579A1 (en) Image processing apparatus, image processing method, and storage medium
KR101483549B1 (ko) 입자 생성 및 선별을 통한 카메라 위치 추정 방법 및 이동 시스템
Eappen et al. Semiparametric algorithm for processing MST radar data
Chiou et al. A reduced-complexity scheme using message passing for location tracking
CN113204891A (zh) 基于指数平滑预测的dp-tbd算法跟踪方法及设备
KR102121274B1 (ko) 강인(Robust) 필터, 비지도 군집(Unsupervised clustering)에 기반한 해석적 가중치 최소자승 위치 추정 방법
JP2017501389A (ja) 無線測位方法及び装置
JP6379709B2 (ja) 信号処理装置、信号処理方法及びプログラム
KR101908312B1 (ko) 무선 통신 신호의 도달 시간을 추정하는 방법 및 이를 수록한 컴퓨터 판독 가능 기록 매체
KR102424345B1 (ko) 표적 위치 추정 방법 및 그 시스템
Lenac et al. Revival of filtering based SLAM? Exactly sparse delayed state filter on Lie groups

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