KR20050031809A - 센서 퓨징을 이용한 무인 이동체의 위치 추정 방법 및 장치 - Google Patents

센서 퓨징을 이용한 무인 이동체의 위치 추정 방법 및 장치 Download PDF

Info

Publication number
KR20050031809A
KR20050031809A KR1020030068073A KR20030068073A KR20050031809A KR 20050031809 A KR20050031809 A KR 20050031809A KR 1020030068073 A KR1020030068073 A KR 1020030068073A KR 20030068073 A KR20030068073 A KR 20030068073A KR 20050031809 A KR20050031809 A KR 20050031809A
Authority
KR
South Korea
Prior art keywords
signal
sensor
channel
error
function
Prior art date
Application number
KR1020030068073A
Other languages
English (en)
Other versions
KR100707168B1 (ko
Inventor
세르게이볼디레브
심준석
노경식
한우섭
권웅
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020030068073A priority Critical patent/KR100707168B1/ko
Priority to CNA2004100995016A priority patent/CN1645283A/zh
Priority to US10/951,908 priority patent/US20070233336A1/en
Priority to JP2004288232A priority patent/JP2005108246A/ja
Publication of KR20050031809A publication Critical patent/KR20050031809A/ko
Application granted granted Critical
Publication of KR100707168B1 publication Critical patent/KR100707168B1/ko

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • 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
    • G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Complex Calculations (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Feedback Control In General (AREA)

Abstract

본 발명은 센서퓨징을 이용한 무인이동체의 위치추정 방법 및 장치에 관한 것으로서, 그 방법은 무인 이동체의 위치추정을 감지할 수 있는 적어도 둘 이상의 센서로부터 소정의 파라미터 값을 측정하는 단계; 파라미터 값들을 선택적으로 결합하여 계산하는 단계; 파라미터들의 예상되는 신뢰성의 범위에서 그 변화를 검출하는 단계; 및 추정과 에러분포를 결합하여 센서 데이터의 상태와 원하는 추론에 의해 표현되는 무인 이동물체의 위치를 얻는 단계를 포함함을 특징으로 하며, 그 장치는 센서 하드웨어 계층과 소프트웨어 계층으로 구성되며, 소프트웨어 계층은 전원부가 있는 센서를 제공하고 제어신호 시퀀스를 제공하고 센서데이터를 추출하는 센서채널부; 교차 계산을 하며, 채널 파라미터를 위한 에러 피드백을 지원하고, 전체 신호처리 표현을 위한 에러 추정을 얻는 교차 채널 모델 계산과 피드백 지원부; 직교가중함수의 선형조합과, 신호 키 특징 하에 추정신호표현에 대한 가중 함수를 만들고, 에러 추정 방정식을 고려하여 에러보상에 대한 적절한 규칙을 얻는 추정분해부; 분해된 추정 가중함수가 분해가중계수와 측정 신호 값에 대한 분산 임의 값 추정으로 중첩되며, 퓨징된 신호 추정의 최종 결과를 얻고, 에러 최소화 함수를 추정하는 추정중첩부; 및 최종 결과정보를 추출하며, 위치 및 현재상태에 따라 키 특징을 얻어, 환경상태의 최종 결과를 상관시키고, 스케일링되지 않고 조정되지 않은 위치정보를 얻는, 최종결과계산부를 포함함을 특징으로 한다.

Description

센서 퓨징을 이용한 무인 이동체의 위치 추정 방법 및 장치{Method and Apparatus for unmanned vehicle navigation using sensors fusion}
본 발명은 무인 이동체의 위치 추정 방법 및 장치에 관한 것으로서, 보다 자세하게는 무인 이동체의 위치 추정을 위한 센서 퓨징 방법 및 장치에 관한 것이다.
센서데이터 퓨젼기술의 현재 상황은 특정 문제에 대해서는 정확한 해결을 제공하지 못하고 있다. 비록 하나의 잘 알려진 커널(예를 들어 칼만필터 스킴)에 기초할 수 있지만. 데이터 퓨전에서의 문제해결 과정에 있어서 연구자들은 관습적인 접근을 세워야 한다. 때때로 결정에 대한 복잡성을 결합하고 증가시키는 접근을 사용하므로써 그러한 시스템의 실현은 매우 어렵고 비용이 비싸다. 일련의 평가자들은 오버타임(over time)을 제안하였지만, 그것들 중 일부만이 구현가능성이 있고, 실시간 제약조건을 갖는다. 센서데이터 퓨전에서의 주도적인 접근으로는 KF(ordinary Kalman filtering), EKF(Extended Kalman Filtering), CI(Covariance Intersection), HMM(Hidden Markov Models), POMDP(Partially Observable Markov Dexision Process) Bayesian Networks solution 등이 있다. 그들 중 각각은 사용하는 데 있어서 자신의 제약조건과 한계를 가지고 있다. 주요한 제약조건은 분산에 종속적인 모델을 사용하는 것이며, EKF 경우 그 결과로써 크로스-상관관계 곱(product)을 계산하거나 POMDP의 경우 어떤 프로세스의 이전상태와 현재상태 간에 낮은 링크 분석이다. 그에 따라, 센싱 구조를 세우는데 있어서 몇 가지 접근방법이 있다. 가장 잘 알려진 것이 비중앙집중화(decentralized), 분산화(distributive), 연방화(federated), 계층화된(hierarchical) 퓨전 구조이다. 그리고 상기 접근 방법 각각은 상응하는 몇 가지의 장단점이 있다.
퓨전 구조의 비중앙집중화와 분산 구조는 스케일조절가능하며(scalable), 생존가능하며(survivable), 모듈화(modular) 가능하다는 장점이 있다. 그리고 에러 추정이 퓨전채널에 의존한다는 단점이 있다.
연방적이며 계층적인 퓨전 구조에 대해서는 퓨전 케스케이드(cascade) 당 반복적인 에러추정이 가능하며, 모듈화가 가능하다는 장점이 있으며, 상응하는 단점으로는 스케일 조절이 가능하지 않으며(non-scslabe), 낮은 생존율(low survivable)을 들 수 있다.
상술한 바에 따르면, 이동 로봇분야에서의 센서 데이터 퓨전에 대한 접근방법은 퓨징에 대한 두 세 가지 방법이 있다. 여태까지는 EKF가 주된 상태추정 기술이었다. EKF는 상태 천이의 1차 테일러 근사화와 추정상태 궤도에 관한 관찰 방정식(observation equation)에 기초하고 있다. 그러므로 필터의 응용은 요구되는 도함수(derivative)가 존재하고 합리적인 노력으로 구해질 수 있다. 테일러 선형화는 여러 경우에 있어서 정확한 표현을 제공하기에는 충분하지 못하다. 그리고 중요한 바이어스 또는 수렴하는 문제들 조차 과도하게 조잡한 근사화로 인해 흔히 나타난다.
재반복, 고차 필터 및 통계적 선형화 특성을 갖는 EKF보다 더 복잡한 몇 개의 근사화 기술들이 이용 가능하다. 보다 진보된 기술은 일반적으로 추정의 정확성을 향상시키지만, 구현하는데 더 복잡하고, 계산부담이 증가된다.
본 발명이 이루고자하는 기술적 과제는 센서퓨징을 이용한 무인 이동체의 위치 추정 방법 및 장치를 제공하는 것이다.
상술한 기술적 과제를 해결하기 위한 본 발명에 의한, 센서퓨징을 이용한 무인 이동체의 위치 추정 방법은, 무인 이동체의 위치추정을 감지할 수 있는 적어도 둘 이상의 센서로부터 소정의 파라미터 값을 측정하는 제1단계; 상기 파라미터 값들을 선택적으로 결합하여 계산하는 제2단계; 상기 파라미터들의 예상되는 신뢰성의 범위에서 그 변화를 검출하는 제3단계; 및 추정과 에러분포를 결합하여 센서 데이터의 미지의 상태와 원하는 추론에 의해 표현되는 무인 이동물체의 위치를 얻는 제4단계를 포함함을 특징으로 한다. 상기 제1단계는 소스신호를 수신하는 단계; FFT 를 사용하여 주파수 영역 신호로 변환한다. 스펙트럼 밀도함수를 계산하는 단계; 및 다항식을 스펙트럼과 표현에 의존한 신호로 맞추고 상응하는 상관 함수를 계산하고 계수를 구하는 단계를 포함함을 특징으로 한다.
상술한 기술적 과제를 해결하기 위한 본 발명에 의한, 센서퓨징을 이용한 무인 이동체의 위치 추정 장치는, 센서 하드웨어 계층과 상응하는 소프트웨어 계층으로 구성되며, 상기 소프트웨어 계층은 전원부가 있는 센서를 제공하고 제어신호 시퀀스 제공을 담당하고 센서로부터의 가공되지 않은 데이터를 추출하여 전처리 계층에 제공하는 것을 담당하는 센서 채널부; 퓨전 알고리즘을 통해 프로세싱을 위한 교차 계산을 담당하며, 교차 및 자동 상관 채널과 같이 교차 관련 프로덕트를 수행하며, 채널 파라미터를 위한 에러 피드백을 지원하고, 신호처리 방법에 따른 이유로 전체 신호처리 표현을 위한 에러 추정을 얻는, 교차 채널 모델 계산과 피드백 지원부; 직교 가중 함수의 선형조합을 만들고, 신호 키 특성과 상응하는 수학적 배경의 도움으로 추정신호표현에 대한 가중 함수의 세트를 만들고, 에러 추정 방정식을 고려하여 센서채널파트에서 에러 보상에 대한 적절한 규칙을 얻는, 추정분해부; 분해된 추정의 가중함수의 세트가 분해 가중 계수의 세트와 측정된 신호값에 대한 분산 임의값의 추정의 상응하는 세트로서 중첩되며, 퓨징된 신호 추정의 최종 결과를 얻고, 에러 최소화 함수를 추정하는 추정중첩부; 및 최종 결과 계산과 관련된 필요한 정보가 추출하며, 이동 디바이스 결정의 위치 및 현재상태에 따라 키 특징이 추출되며, 환경상태의 최종 결과를 간단히 상관시키고, 결과적으로 디바이스의 위치에 관한 스케일링되지 않고 조정되지 않은 정보를 얻는, 최종결과계산부를 포함함을 특징으로 한다. 상기 센서채널부는 FFT를 통해 신호데이터를 프로세싱하므로써 스펙트럼 영역에서 신호를 분석함을 특징으로 한다. 상기 센서채널부는 스펙트럼 함수 형태의 상태를 추적하고 센서채널의 상태를 예측하거나 단지 분석하고, 최소 평균 제곱 에러 방법에 의해 스펙트럼 함수에서 자동 복귀방법의 도움으로 다항식을 얻어 진단과 같은 신호채널 프로세싱을 하고, 채널의 추상적인 모델을 얻어 상기 채널의 키 파라미터를 얻고, 후에 환경조건에 따라 소정 시간동안 그 채널의 튜닝을 수행함을 특징으로 한다. 상기 교차 채널 모델 계산과 피드백 지원부는 몇 개의 포인트를 규정하는 것이 필요하며, 상관 함수계산을 위한 두 종류의 방법으로서, 콘볼류션 적분을 거쳐 보통의 가공되지 않는 신호 변환을 통하는 방법과 스펙트럼 함수와 파워 스펙트럼 함수를 통하는 방법이 있으며, 후자는 신호 채널에서 간단한 상관함수 계산 뿐만 아니라 교차 잡음 가중치를 결정하는 것을 제공하며, 신호의 스펙트럼 함수를 분석하는 것이 필요하고, 초기단계에서 환경의 중요한 것에 관한 정보를 추출하며, 퓨전구조에서의 두번째 파트에서 교차 관련된 결과와 에러 최소화 피드백 지원과 센서 채널들의 키 주파수를 얻음을 특징으로 한다.
그리고 상기 기재된 발명을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
이하 본 발명을 상세히 설명하기로 한다.
1. 도입
본 발명은 객체 같은 계층화된 구조 접근법(object-like layered structure approach)에 따른 센서 데이터 퓨전에 대한 새로운 형태의 기술을 제공하는 것이다. 상기 기술은 Karhunen-Loewe 분해방법의 다차원 확장으로 얻어진 비선형 변형의 근사화에 기초하고 있다. 개념적으로 그러한 접근의 배경이 되는 원리는 통상적인 필터 기술과는 다르다. 분해방법(decomposition method) 덕분에, 보간 공식을 위한 도함수(derivatives)는 필요하지 않다. 미리 정의된 방정식조차도 필요하지 않다. 자동복귀(auto-regression) 원리 때문에 다항식은 센서로부터의 신호의 계산된 스펙트럼 함수에 기초하여 피팅(fitting) 된다. 물론 다항식의 차수에 대한 상한을 제한할 필요는 있다. 비록 그 구현이 테일러 근사화에 기초한 필터와 같이 복잡하지만 계산에 대한 부담은 훨씬 작을 것이다. 또한 추정 에러가 분산된다고 가정하면, 새로운 퓨징 스킴은 에러 계산 내에서 더 정확한 것을 제공하고 보상이 된다. 본 발명에 따른 퓨징 스킴의 엔트리 포인트에 대한 깊은 피드백(deep feedback)에 기초한 최소화로 인해, 다른 필터링 기술(테일러 근사화를 포함하여)보다 높은 정확도로 에러 추정이 가능하다.
2. 일반적인 접근
신호처리와 그러한 접근의 잇점에 대한 분해 방법을 기술한다. 신호처리에 대한 일반적인 접근은 신호를 계수를 갖는 잘 정의된 주기함수의 세트로 표현하는 것이다. 이 방법의 큰 잇점은 신호가 양과 질의 파라미터로 쉽게 설명될 수 있다는 것이다. 이러한 방법으로 신호는 주파수 영역에서 스펙트럼으로 나타냄으로써 검토될 수 있다는 것도 잘 알려져 있다.
본 발명에서는 신호의 주파수영역의 표현은 핵심 주파수와 센서채널들의 일반적인 그림을 보여준다. 센서퓨젼 기술에서 가장 널리 사용되는 구조를 분석하므로써 신호를 미리 분석하는 어떤 방법이나 구조도 사용되지 아니한다. 비록 그러한 기술이 산업 응용분야에서 광범위하게 적용된다 할지라도 이동 로봇의 응용에서는 자주 적용되는 것은 아니다. 소스 질(quality)을 분석하기 때문에 이 방법의 신뢰성은 잘 알려져 있다. 소스 분석을 통해, 채널상태 예측 기술을 모니터링하고 진단하는 것이 가능하다.
SLAM 이나 자기 항해(Self Navigation) 기술의 문제에 따라 로보트 시스템의 인식장치에 있어서 주요한 교란과 심각한 에러 부분은 센서 신호 프로세싱이며 결과적으로 퓨전이다. 그러나 만일 신호가 예를 들어 없어지거나 노이즈로 인해 방해를 받는다면 퓨전 파트에 대한 입력값은 방해될 것이고 따라서 퓨전파트의 출력단에서 방해된 결정과, 데이터처리의 최종단에서의 잘못된 위치와 방향정보가 뒤따른다. 그 때문에 소스신호의 모니터링과 진단에 대한 쉽게 구현하고 가볍고 견고한 기술이 필요하다. 이것이 센셔퓨전 데이터를 결합하고 복합화하는 이유이다.
이 방법에서는 적당하게 실시간으로 처리중인 소스신호와 뒤따르는 퓨전에 대한 몇 개의 계층이 있다. 명확한 이해를 위해서, 그 방법을 설명하기로 한다.
다음과 같은 소스신호의 전처리에 대한 일반적인 구조가 제안된다. 소스신호를 수신하고, FFT 를 사용하여 주파수 영역 신호로 변환한다. 스펙트럼 밀도함수를 계산한다. 다항식을 스펙트럼과 표현에 의존한 신호로 fitting ( 처리중인 신호 분석 - 채널안정과 질) 상응하는 상관 함수를 계산하고 계수를 구한다. 본 발명의 커널에 해당하는 분해 방법을 통해 처리한다. 예측과 에러 추정 모델 계산한다.
상술한 단계에서, 본 발명에 의한 방법이 유지된다. 상술한 방법의 각 단계를 설명한다. 먼저, 상기 방법을 사용하므로써 스펙트럼 함수를 기술할 수 있는 표현적인 다항식을 얻는 것이 가능하다. 둘째로, 다항식의 도움으로 T-R 영역에서 다항식의 루트 분배를 통한 신호의 질을 분석하는 것이 가능하다. 프로세스(프로세스의 표현신호)의 상태와 조건을 기술할 수 있게 하는 변환 함수를 얻는 것이 주로 필요할 때 그러한 방법은 매우 유용하다. 그리고 키잉 주파수(프로세스의 주요하며 특징적인 주파수)를 얻고, 하드웨어의 어떤 부분이 신호처리에 영향을 주는지를 분석하는 것이 가능하다. 그리고 셋째로 상관함수의 계산은 두 가지 방식으로 처리될 수 있다.
첫째, 소스와 가공되지 않은(raw) 신호로부터 - 이 방법은 소스의 본래의 모습을 제공한다. 둘째, 스펙트럼함수로부터 - 이 방법은 주파수 영역의 관점에서 상관 모습을 제공한다.
이러한 문제의 수학적인 배경에서 몇 개의 핵심사항을 검토하기로 한다.
3. 방법 정의 및 기술(description)
본 발명의 핵심사항에 대해 정의한다. 표현의 간략화를 위해, 1차원인 경우를 고려한다. 이 방법은 쉽게 n 차원으로 확장될 수 있다. 차원의 의미에 의해서 독립채널의 양이 가정된다.
알고리즘의 기본은 잘 정의된 제약조건 내에서 임의의 프로세스와 같은 관측가능한 프로세스의 표현이다. 본 발명의 주된 원리는 비주기적 임의 프로세스를 상관관계가 없는 계수를 갖는 직교함수로 분해하는 것이다. 동시에 분해과정동안 에러 최소화방법이 구현된다. 이러한 형태의 에러 추정은 크로스 채널과 인 채널(in channel) 및 에러 감소에 대한 로보트기술을 제공한다. 그리고 결국 이 방법의 결과물은 필요한 정보 추출물을 위해 쉽게 사용될 수 있다. 데이터 분석을 위한 부가적인 성질은 상술한 스펙트럼함수를 개관할 수 있게 한다. 단계별로 상기 방법을 검토한다.
3.1 추정 정의
소스 신호의 정의를 시간관련 함수로 고려한다. 본 발명에서 분명하고 확고하게 환경 상태를 기술하는 결과함수를 구별하는 것이 필요하다. 신호시스템(SS)의 통계적인 추정치는 일반적으로 연산자 F(X(t)) 파라미터의 결정으로 구할 수 있으며, 상기 추정치는 물리적으로 측정된 상태좌표 SS X(t) R q
에 의해 지시자 의 로 구해진다.
1차원의 경우(p=q=1)를 고려하기로 한다. 그리고 선형 추정을 세우고 적용하는 측면을 보기로 한다.
여기서 는 소스 신호를 분석하여 결정함수(determined function)을 얻음을 뜻한다. X=X(t)는 확률 과정에서 연속적인 평균의 제곱이며, 소스 신호 편차와 같이 표현될 수 있다. B는 자유로운(free) 값이며, 는 SS 함수의 시간 한계값이며, 는 결정된 현재시간을 의미한다.
임의 값의 세트 Y, X(t), t∈ 의 모든 유한차원 분포는 균일한(정규의) 분포이며, 수학식 1의 선형 추정에서의 a 와 b 파라미터는 에러전파의 최소치 로부터 얻어지며, 수학식 2의 최소치를 의미한다.
이에 따르면, 가중치 함수(weight function) a 는 보통 t∈[0,T] 의 함수 부류에 속한다. 이러한 류의 함수는 연역적인 결정으로부터 선택될 수 있거나 임의값 시스템 의 이전의 분석에 기초한다.
L2[0,T]를 고정하면, 수학식 2는 수학식 3과 같이 된다.
수학식 3으로부터 J 는 b = b0 이고 b∈R 에서 최소값을 갖는다. 여기서 b0 = b0 (a)는 수학식 4에 의해 결정된다.
E(estimation)와 함께 임의 값 Y와 X(t)를 센터링(centering)한 후
수학식6을 고려하기로 한다.
수학식 4를 수학식 1과 수학식 2에 대입하고 수학식 5와 수학식 6을 고려하면, 수학식 7, 수학식 8, 수학식 9를 얻을 수 있다.
수학식 7과 수학식 8로부터 Y의 추정과 에러추정 은 수학식 10과 같다.
수학식 10은 b = b0 값에 대한 응답으로 비바이어스(non biased) 추정인 수학식 1의 성질을 기술한다.
a에 의존하는 수학식 9의 함수로부터 J=J(a)를 고려한다. 이점에 의해, 잘 정의된 에러최소화 함수와 결정된 함수간의 관계를 얻는다. 상술한 바와 같이, 에러추정시스템과 일정한 정의 간의 의존성이 무시되고 피할 수 있다.
3.2 분해(Decomposition)
상관과 크로스 상관함수의 정의로부터 수학식 11을 받아들일 수 있다.
수학식 9는 수학식 13과 같이 쓸 수 있다.
파라미터 a를 결정하기 위해, 함수의 부류를 고려하여 가중치 함수와 J=J(a)의 효과적인 최소화 알고리즘을 기술하는 것이 필요하다.
가상 기술 영역에서의 다른 과제들과 처럼 이 문제를 해결하는 근본적인 의미는 [0,T]에서 사적 상관 함수 R(t,s)의 직교 시스템 을 갖는 것이다.
그리고Karhunen-Loeve 직교 분해는 수학식 15와 같다.
여기서 는 실수 또는 복소수이며, 수학식 16과 같이 정의된다.
비주기 임의 프로세스는 비상관 임의의 계수를 갖는 푸리에 급수로 표현할 수 없지만 비상관 계수를 갖는 직교함수 의 급수로 확장될 수 있다.
수학식 15는 [0,T]에서 제곱평균값에서 균일하게 수렴되고 있다. 시스템 는 L2 [0,T]에서 full 이다. 결과적으로 가중치 함수 각각 a∈ L2 [0,T]은 어느정도의 정확성을 가지고(L2 [0,T] 공간 메트릭스로) 함수의 유한 세트의 선형조합으로 근사화하는 것이 가능하다.
시스템 는 L2 [0,T]에서 직교이므로, 수학식 17과 같이 나타낼 수 있다.
여기서는 Kronecker 심볼이다.
수학식 12와 함께 수학식 15 내지 수학식 17로부터 수학식 18을 얻을 수 있다.
상관관계R(t,s)의 비 네거티브(non-negative) 결정으로부터 사적인(private) 값()을 고려한다. 수학식 17과 상술한 수학식으로부터 수학식 18은 수학식 19와 같이 표현될 수 있다.
수학식 17가 수학식 18은 수학식 15에서 직교 분해 성질을 나타낸다. 임의의 프로세스 x=x(t)가 집중되기 때문에, 수학식 16과 수학식 19로부터 수학식 20을 얻는다.
상술한 바와 같이 균일한 형태의 프로세서 X=X(t)를 고려하면, 수학식 16, 수학식 19 및 수학식 20으로부터 수학식 15의 계수 는 균일하게 분포된 임의의 값에 독속되며, ∈ N(0, ) 이다. 수학식 15의 분해에서 양의 에 상응하는 요소만이 중요하다.
3.3 결합 및 중첩
이 시점에서 분해의 최종 결과물을 출력함수의 추정과 에러추정-시스템 질 결정에 대한 최소화 함수-로 나타낼 것이다. m 값을 고정시키고, 수학식 21과 같이 가중 함수(weight function)를 고려하기로 한다.
수학식 6과 수학식 9로 돌아가 수학식 22를 받아들이고
수학식 15, 수학식 17 및 수학식 19를 기초로 하여 수학식 23과 수학식 24를 얻을 수 있다.
수학식 21과 수학식 22로부터 만일 i에서 = 0 이면 = 0 이고, 따라서 수학식 24는 가중치 함수 a의 에 독립적이다. 이것이 ( 1≤i≤m)를 양수로 두는 이유이다. 가중치 함수의 계수를 고려하면 수학식 25로 나타내며,
상기 수학식 25는 수학식 21의 클래스에서 J=J(a)에 대한 최소치를 제공하고, 수학식 26과 함께 단일의 값으로 결정된다.
수학식 26을 수학식 24에 대입하면 수학식 27을 얻게 된다.
여기서부터 수학식21에 주목하면, 수학식 28의 결론을 얻게 된다.
여기서 는 임의 값 와 y의 상관 계수이다.
수학식 23과 수학식 26에 따라 (수학식 25)에서의 응답인 추정치 은 수학식 28과 같이 주어진다.
전파 에러 의 분산 은 수학식 27 이나 수학식 28로부터 얻을 수 있다.
임의값 Y의 특성인 와 실제 경우에서의 상관함수 r(t)와 R(t,s)는 항상 미리 정의되지는 않는다.
여기서 n은 관찰 번호이고 는 임의값 Y와 X(t)의 실제화된 값이며, 이들은 관찰 v (1≤v≤n)에 응답한다.
3.4 분석
그래서, 상술한 결과는 신호시스템(SS)에 기초한 이동장치의 현재위치와 방향의 전파와 추정시스템에 대한 수학적 도구의 부분이다.
이 결과는 다 차원 경우로 쉽게 확장될 수 있으며, 추정값의 다양한 파라미터를 고려하여 프로세스의 몇몇 특성의 교차관계(cross-relation)와 교차함수의 분석을 허용한다.
4. 완전한 분해 알고리즘
다음의 과정은 본 발명에 의한 방법의 구현을 설명한다. 첫번째 단계는 프로세스를 초기화한다. 두번째 단계는 소스 신호를 디트렌드(de-trend) 하고 센터링(centering) 한다. 세번째 단계는 이산(descrete) 경우에 따라 Karhunen-Loeve 분해를 계산한다. 네번째는 와 를 계산한다. 다섯번째는 에 따라 에러 추정치를 계산한다. 여섯번째는 새로운 시간 주기 내에서 현재 추정치를 갱신하고 에러추정에 대한 최소화 함수를 계산한다. 상기 두번째 단계를 반복한다.
상술한 단계들은 퓨전 신호처리와 예측에 대한 클로스-루프(close-loop) 시퀀스를 제공한다.
5. 객체 같은 세미 레벨(object-like semi-level) 정보 퓨전
상술한 바에 따르면, 도 2에 도시된 바와 같이, 다음과 같은 특성을 갖는 시스템을 구축할 수 있다. 크기가 조절가능하다.(scalable) - 어떤 환경조건에서 쉽게 확장되거나 압축될 수 있다. 생존가능하다.(survivable)- 만일 센서 소스의 하나가 없어지거나 오작동하면 전체시스템이 모두 못 쓰게 되지 않고 단지 대표적으로 관련된 에러 추정을 감소시킬 뿐이다. 모듈화 가능하다.(modular) - 어떤 종류의 센서가 어떤 종류의 센싱에 대해 책임있는지를 쉽게 알 수 있다. 퓨전채널당 에러 추정과 출력 상관이 가능하다. - 모든 센서 소스는 다음 레벨의 데이터 퓨전에 대한 그 자신의 비 회귀적 에러 추정과 경고 능력을 갖는다.
이러한 구조는 수학적인 배경과 접근을 통해 얻어진 결합 접근법(combined approach)으로 기술될 수 있다. 각 시스템 파트는 잘 정의되며 다음과 같이 기술될 수 있다.
한편 시스템은 대략적인 구조로서 센서 채널부, 교차 채널 모델 계산과 피드백 지원부, 추정 분해(estimation decomposition)부, 추정 중첩(estimation superimposing)부 및 최종 결과 계산부(이동체의 위치정보 추출과 에러 관련 데이터 분석)의 5개의 파트로 나누어질 수 있다.
각 파트별로 설명하기로 한다. 상기 센서 채널부는 센서 하드웨어 계층과 상응하는 소프트웨어 계층으로 구성된다. 상기 소프트웨어 계층은 전원부가 있는 센서를 제공하고 제어신호 시퀀스 제공을 담당하고 센서로부터의 가공되지 않은 데이터를 추출하여 전처리 계층에 제공하는 것을 담당한다. 이 시점에서 모델과 관련된 신호가 구성된다. 그러한 모델의 구성방법은 다음과 같다. 첫째, FFT를 통해 신호데이터를 프로세싱하므로써 스펙트럼 영역에서 신호를 분석할 수 있다. 첫째, 스펙트럼 함수 형태의 상태를 추적하고 센서채널의 상태를 예측하거나 단지 분석하는 것이 가능하다. 둘째, 최소 평균 제곱 에러 방법(least mean square error method)의 접근에 의해 스펙트럼 함수에서 자동 복귀방법의 도움으로 다항식을 fit 하는 것이 가능하다. 주요 잇점은 그러한 모델의 도움으로 인 프로세스(in-process) 신호 모니터링과 분석을 쉽게 할 수 있다는 것이다. 그래서 진단과 같은 신호채널 프로세싱을 할 수 있다. 둘째, 신호채널에서 채널 파라미터 블록의 모델을 도입한다. 채널 파라미터에 대한 유연성있는 피드백을 제공하는 블록의 주된 아이디어는 채널 파라미터 튜닝을 지원한다. 왜냐하면 모든 디바이스의 연산 사이클 동안 인 프로세스 또는 적절히 기능하도록 하는 오프라인 튜닝을 수행하는 것이 필요하다. 그래서 만일 채널의 추상적인 모델을 얻는 것이 가능하다면, 그 채널의 키 파라미터를 얻는 것이 가능하다. 그리고 후에 환경조건에 따라 어떤 시간동안 그 채널의 튜닝을 수행하는 것이 가능하다.
상기 교차 채널 모델 계산과 피드백 지원부는 퓨전 알고리즘을 통해 프로세싱을 위한 교차 계산을 담당한다. 이를 위해, 교차 및 자동 상관 채널과 같이 교차 관련 product가 필요하다. 채널 파라미터를 위한 에러 피드백을 지원하고, 신호처리 방법에 따른 이유로 전체 신호처리 그림 표현을 위한 에러 추정을 얻는 것이 필요하다. 몇 개의 포인트를 규정하는 것이 필요하다. 첫째, 상관 함수계산을 위한 두 종류의 방법이 있다. 하나는 콘볼류션 적분을 거쳐 보통의 가공되지 않는 신호 변환을 통하는 것이다. 그리고 둘째로 스펙트럼 함수와 파워 스펙트럼 함수를 통해서 이다. 두 번째 방법은 신호 채널에서 간단한 상관함수 계산 뿐만 아니라 교차 잡음 가중치를 결정하는 것을 제공한다. 신호의 스펙트럼 함수를 분석하는 것이 필요하다. 그리고 초기단계에서 환경의 중요한 것에 관한 정보를 추출할 수 있다. 그래서 퓨전구조에서의 두번째 파트에서 교차 관련된 결과와 에러 최소화 피드백 지원과 센서 채널들의 키 주파수를 얻을 수 있다.
상기 추정 분해부는 직교 가중 함수의 선형조합을 만들 수 있다. 신호 키 특성과 상응하는 수학적 배경의 도움으로 추정신호표현에대한 가중 함수의 세트를 만든다. 에러 추정 방정식도 고려해야 한다. 그러한 방정식으로 센서채널파트에서 에러 보상에 대한 적절한 규칙을 얻는다. 다음 파트는 최적신호처리에 대한 추정계산과 최소화 방정식을 고려한다.
상기 추정 중첩부는 분해된 추정의 가중함수의 세트가 분해 가중 계수의 세트와 측정된 신호값에 대한 분산 임의값의 추정의 상응하는 세트로서 중첩된다. 이 점에서 퓨징된 신호 추정의 최종 결과를 얻을 수 있다. 또한 에러 최소화 함수를 추정하는 것이 필요하다.
상기 최종 결과 계산부(이동 디바이스 위치정보 추출 및 에러 관련 데이터 분석)는 최종 결과 계산과 관련된 필요한 정보가 추출된다. 이동 디바이스 결정의 위치 및 현재상태에 따라 키 furtures가 추출된다. 이 방법의 다음단계는 환경상태의 최종 결과를 간단히 상관시키는 것이다. 그리고 도 3에 도시된 바와 같이, 결과적으로 디바이스의 위치에 관한 스케일링되지 않고(unscaled) 및 조정되지 않은(uncalibrated) 정보를 얻는 것이다.
한편, 이 외에 센서로부터의 신호처리에 대해 다음과 같은 시퀀스를 고려하기로 한다. 도 4에 도시된 바와 같이, 신호를 수신하여 시스템의 가중함수를 통해 신호를 처리한다.(시간 이동(time shift) Ts≤40 ms인 실시간 버퍼) FFT를 통해 신호를 처리하여 신호의 스펙트럼 함수를 얻는다. 스펙트럼 함수 내에서 신호의 질 함수(quality function)를 분석하는 것이 가능하다. 이는 가중 주파수, 스펙트럼 범위, 형태와 타입, 전체시스템의 어떤 파트가 스펙트럼에서의 주파수 부분을 담당하는가를 포함한다. 스펙트럼 함수에 상응하여, 자동 회귀 모델을 얻고 루트 분포 T-R 영역에 의해 스펙트럼 성질을 분석하는 것이 가능하다. 그러한 분포의 타입과 종류는 모델 분해 계층에 관해 말한다. 이러한 분석의 도움으로 전체 시스템의 몇 개의 파라미터간의 연결성과 관련성을 얻을 수 있다. (예를 들어 차동 로보트 모델에서의 속도와 방향 파라미터 간의 관계) 그러한 자동 회귀 모델을 얻은 후에, 실시간 모니터링과 각 센싱 채널이 진달을 수행하므로써 간결하며(compact), 유연한 수학적 소프트웨어 세트를 만들 수 있다.
본 발명에 의하면, 크기가 조절가능하고(scalable) - 어떤 환경조건에서 쉽게 확장되거나 압축될 수 있다. 그리고 생존가능하고(survivable)- 만일 센서 소스의 하나가 없어지거나 오작동하면 전체시스템이 모두 못 쓰게 되지 않고 단지 대표적으로 관련된 에러 추정을 감소시킬 뿐이다. 또한 모듈화 가능하고(modular) - 어떤 종류의 센서가 어떤 종류의 센싱에 대해 책임있는지를 쉽게 알 수 있다. 퓨전채널당 에러 추정과 출력 상관이 가능하다. - 모든 센서 소스는 다음 레벨의 데이터 퓨전에 대한 그 자신의 비 회귀적 에러 추정과 경고 능력을 갖는다.
도 1은 본 발명에 따른 센서퓨징을 이용한 무인 이동체의 위치추정을 위한 장치를 블록도로 도시한 것이다.
도 2는 본 발명에 따른 센서퓨징을 이용한 무인 이동체의 위치추정을 위한 장치의 보다 상세한 블록도를 도시한 것이다.
도 3은 이동체의 위치정보( X,Y 및 Theta)를 도시한 것이다.
도 4는 이동체의 가공되지 않은 신호를 도시한 것이다.

Claims (7)

  1. 무인 이동체의 위치추정을 감지할 수 있는 적어도 둘 이상의 센서로부터 소정의 파라미터 값을 측정하는 제1단계;
    상기 파라미터 값들을 선택적으로 결합하여 계산하는 제2단계;
    상기 파라미터들의 예상되는 신뢰성의 범위에서 그 변화를 검출하는 제3단계; 및
    추정과 에러분포를 결합하여 센서 데이터의 미지의 상태와 원하는 추론에 의해 표현되는 무인 이동물체의 위치를 얻는 제4단계를 포함함을 특징으로 하는 센서퓨징을 이용한 무인 이동체의 위치추정 방법.
  2. 제1항에 있어서, 상기 제1단계는
    소스신호를 수신하는 단계;
    FFT 를 사용하여 주파수 영역 신호로 변환한다. 스펙트럼 밀도함수를 계산하는 단계; 및
    다항식을 스펙트럼과 표현에 의존한 신호로 맞추고 상응하는 상관 함수를 계산하고 계수를 구하는 단계를 포함함을 특징으로 하는 센서퓨징을 이용한 무인 이동체의 위치추정 방법.
  3. 센서 하드웨어 계층과 상응하는 소프트웨어 계층으로 구성되며, 상기 소프트웨어 계층은 전원부가 있는 센서를 제공하고 제어신호 시퀀스 제공을 담당하고 센서로부터의 가공되지 않은 데이터를 추출하여 전처리 계층에 제공하는 것을 담당하는 센서 채널부;
    퓨전 알고리즘을 통해 프로세싱을 위한 교차 계산을 담당하며, 교차 및 자동 상관 채널과 같이 교차 관련 프로덕트를 수행하며, 채널 파라미터를 위한 에러 피드백을 지원하고, 신호처리 방법에 따른 이유로 전체 신호처리 표현을 위한 에러 추정을 얻는, 교차 채널 모델 계산과 피드백 지원부;
    직교 가중 함수의 선형조합을 만들고, 신호 키 특성과 상응하는 수학적 배경의 도움으로 추정신호표현에 대한 가중 함수의 세트를 만들고, 에러 추정 방정식을 고려하여 센서채널파트에서 에러 보상에 대한 적절한 규칙을 얻는, 추정분해부;
    분해된 추정의 가중함수의 세트가 분해 가중 계수의 세트와 측정된 신호값에 대한 분산 임의값의 추정의 상응하는 세트로서 중첩되며, 퓨징된 신호 추정의 최종 결과를 얻고, 에러 최소화 함수를 추정하는 추정중첩부; 및
    최종 결과 계산과 관련된 필요한 정보가 추출하며, 이동 디바이스 결정의 위치 및 현재상태에 따라 키 특징이 추출되며, 환경상태의 최종 결과를 간단히 상관시키고, 결과적으로 디바이스의 위치에 관한 스케일링되지 않고 조정되지 않은 정보를 얻는, 최종결과계산부를 포함함을 특징으로 하는 센서퓨징을 이용한 무인 이동체의 위치추정 장치.
  4. 제3항에 있어서, 상기 센서채널부는
    FFT를 통해 신호데이터를 프로세싱하므로써 스펙트럼 영역에서 신호를 분석함을 특징으로 하는 센서퓨징을 이용한 무인 이동체의 위치추정 장치.
  5. 제4항에 있어서, 상기 센서채널부는
    스펙트럼 함수 형태의 상태를 추적하고 센서채널의 상태를 예측하거나 분석하고, 최소 평균 제곱 에러 방법에 의해 스펙트럼 함수에서 자동 복귀방법에 의해 다항식을 얻어 신호채널 프로세싱을 하고, 채널의 추상적인 모델을 통해 상기 채널의 키 파라미터를 얻고, 환경조건에 따라 소정 시간동안 그 채널의 튜닝을 수행함을 특징으로 하는 센서퓨징을 이용한 무인 이동체의 위치추정 장치.
  6. 제3항에 있어서, 상기 교차 채널 모델 계산과 피드백 지원부는
    소정 개수의 포인트를 규정하고, 상관 함수계산을 위해 콘볼류션 적분을 거쳐 가공되지 않는 신호 변환과 스펙트럼 함수와 파워 스펙트럼 함수를 이용하며, 상기 스펙트럼 함수와 파워 스펙트럼 함수는 신호 채널에서 상관함수 계산과 교차 잡음 가중치를 결정하며, 신호의 스펙트럼 함수를 분석하고, 초기단계에서 환경에 관한 정보를 추출하며, 퓨전 구조에서 교차 관련 결과와 에러 최소화 피드백 지원과 센서 채널들의 키 주파수를 얻음을 특징으로 하는 센서퓨징을 이용한 무인 이동체의 위치추정 장치.
  7. 제1항 또는 제2항에 기재된 발명을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020030068073A 2003-09-30 2003-09-30 센서 퓨징을 이용한 무인 이동체의 위치 추정 방법 및 장치 KR100707168B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020030068073A KR100707168B1 (ko) 2003-09-30 2003-09-30 센서 퓨징을 이용한 무인 이동체의 위치 추정 방법 및 장치
CNA2004100995016A CN1645283A (zh) 2003-09-30 2004-09-24 使用传感器融合的操纵无人驾驶运载工具的方法和装置
US10/951,908 US20070233336A1 (en) 2003-09-30 2004-09-29 Method and apparatus for navigating unmanned vehicle using sensor fusion
JP2004288232A JP2005108246A (ja) 2003-09-30 2004-09-30 センサフュージングを利用した無人移動体の位置推定方法、その装置およびプログラムを記録したコンピュータ読み取り可能な記録媒体。

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020030068073A KR100707168B1 (ko) 2003-09-30 2003-09-30 센서 퓨징을 이용한 무인 이동체의 위치 추정 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20050031809A true KR20050031809A (ko) 2005-04-06
KR100707168B1 KR100707168B1 (ko) 2007-04-13

Family

ID=34545534

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020030068073A KR100707168B1 (ko) 2003-09-30 2003-09-30 센서 퓨징을 이용한 무인 이동체의 위치 추정 방법 및 장치

Country Status (4)

Country Link
US (1) US20070233336A1 (ko)
JP (1) JP2005108246A (ko)
KR (1) KR100707168B1 (ko)
CN (1) CN1645283A (ko)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2004294651A1 (en) * 2003-10-21 2005-06-16 Proxy Aviation Systems, Inc. Methods and apparatus for unmanned vehicle control
US7395156B2 (en) * 2005-06-23 2008-07-01 Raytheon Company System and method for geo-registration with global positioning and inertial navigation
US7840287B2 (en) * 2006-04-13 2010-11-23 Fisher-Rosemount Systems, Inc. Robust process model identification in model based control techniques
DE102007029299B4 (de) * 2007-06-22 2011-12-22 Fraba Ag Optischer Sensor für Positionieraufgaben
US20090240390A1 (en) * 2008-03-21 2009-09-24 Nenad Nenadic System and method for component monitoring
GB0911331D0 (en) * 2009-06-30 2009-08-12 Univ Aston Characterising properties or behaviour of biological cells
JP5776332B2 (ja) * 2011-05-27 2015-09-09 富士通株式会社 地図処理方法及びプログラム、並びにロボットシステム
CN103162678B (zh) * 2013-03-11 2015-05-13 哈尔滨工业大学 批量mems陀螺信息融合方法
US9037403B2 (en) * 2013-03-26 2015-05-19 Toyota Motor Engineering & Manufacturing North America, Inc. Intensity map-based localization with adaptive thresholding
US9755869B2 (en) 2013-11-18 2017-09-05 Bae Systems Information And Electronic Systems Integration Inc. Process for tunnelized cyclostationary to achieve low-energy spectrum sensing
JP6240595B2 (ja) * 2014-12-10 2017-11-29 株式会社豊田中央研究所 自己位置推定装置及び自己位置推定装置を備えた移動体
WO2016123032A1 (en) * 2015-01-26 2016-08-04 Batten George W Jr Floor patterns for navigation corrections
US9802620B2 (en) * 2015-12-18 2017-10-31 GM Global Technology Operations LLC Position error estimate and implementation for autonomous driving
WO2018063445A1 (en) 2016-09-27 2018-04-05 Bae Systems Information And Electronic Systems Integration Inc. Techniques for implementing a portable spectrum analyzer
KR102463176B1 (ko) 2017-10-16 2022-11-04 삼성전자주식회사 위치 추정 장치 및 방법
CN111324172B (zh) * 2018-12-13 2021-11-23 北京小米松果电子有限公司 遥杆的校准方法、装置、电子设备和存储介质
CN112598019B (zh) * 2020-10-28 2024-04-02 南京航空航天大学 异类振动信号时空多互相关分析和自适应加权融合方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001083232A (ja) * 1999-08-16 2001-03-30 Raytheon Co 受動ターゲット位置決定装置

Also Published As

Publication number Publication date
CN1645283A (zh) 2005-07-27
US20070233336A1 (en) 2007-10-04
KR100707168B1 (ko) 2007-04-13
JP2005108246A (ja) 2005-04-21

Similar Documents

Publication Publication Date Title
JP7461440B2 (ja) 根本的原因分析を実行してプラントワイド操業での希少イベントの発生の予測モデルを構築するコンピュータシステムおよび方法
KR100707168B1 (ko) 센서 퓨징을 이용한 무인 이동체의 위치 추정 방법 및 장치
JP6609050B2 (ja) 時間的因果グラフにおける異常フュージョン
JP6068468B2 (ja) 予測及び予知のための逐次的カーネル回帰モデリング方法
US10914608B2 (en) Data analytic engine towards the self-management of complex physical systems
US8725456B1 (en) Decomposition technique for remaining useful life prediction
Capizzi Recent advances in process monitoring: Nonparametric and variable-selection methods for phase I and phase II
US9245235B2 (en) Integrated approach to model time series dynamics in complex physical systems
Durrant-Whyte Introduction to estimation and the Kalman filter
US20150356421A1 (en) Method for Learning Exemplars for Anomaly Detection
JP2014524094A (ja) パターン・シーケンスを持つカーネル回帰モデリングを用いる監視システム
Morales-Menendez et al. Real-time monitoring of complex industrial processes with particle filters
CN102257448B (zh) 使用切换模型对信号进行滤波的方法和设备
US20230316720A1 (en) Anomaly detection apparatus, anomaly detection method, and program
Li et al. Condition monitoring of rotating machines under time-varying conditions based on adaptive canonical variate analysis
US20190188238A1 (en) Method and system for performing real-time analytics on a plurality of data streams
Cinar et al. Statistical process and controller performance monitoring. A tutorial on current methods and future directions
JP2003044123A (ja) プラント診断装置
CN108984851B (zh) 一种带时延估计的加权高斯模型软测量建模方法
Schadler et al. Fault detection using online selected data and updated regression models
Geng et al. Fault detection of large-scale process control system with higher-order statistical and interpretative structural model
Chaabane et al. Damage detection in structural health monitoring using kernel PLS based GLR
CN115342817B (zh) 无人履带车辆轨迹跟踪状态监测方法、系统、设备、介质
US20230003785A1 (en) Method and Apparatus for Sensor Measurements Processing
Jahani Monitoring, Prognosis and Decision-Making for Internet of Things Enabled Systems

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
LAPS Lapse due to unpaid annual fee