KR20110005656A - 자기 데이터 처리 장치, 자기 데이터 처리 방법 및 자기 데이터 처리 프로그램 - Google Patents

Abstract

자기 데이터 처리 장치에서, 자기 데이터의 최근 통계적 모집단을 제공하기 위해 축적부는 3D 자기 센서로부터 출력되는 자기 데이터를 순차 획득한다. 과거 통계적 모집단 저장부는 최근 통계적 모집단으로서 축적되는 자기 데이터 이전에 3D 자기 센서로부터 출력되는 자기 데이터를 과거 통계적 모집단으로서 저장한다. 판정부는 최근 통계적 모집단의 분포가 소정의 조건을 만족하는지 여부를 판정하고, 최근 통계적 모집단이 소정의 조건을 만족하지 않는 경우에, 과거 및 최근 통계적 모집단의 혼합 통계적 모집단이 다른 조건을 만족하는지 여부를 판정한다. 오프셋 도출부는, 소정의 조건을 만족하는 경우에 최근 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출하고, 상기 다른 조건을 만족하는 경우에 혼합 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출한다. 과거 통계적 모집단 저장부는 상기 최근 통계적 모집단을 사용해서 과거 통계적 모집단을 갱신한다.

Description

자기 데이터 처리 장치, 자기 데이터 처리 방법 및 자기 데이터 처리 프로그램{MAGNETIC DATA PROCESSING DEVICE, MAGNETIC DATA PROCESSING METHOD, AND MAGNETIC DATA PROCESSING PROGRAM}

본 발명은 자기 데이터 처리 장치, 자기 데이터 처리 방법 및 자기 데이터 처리 프로그램에 관한 것으로, 보다 구체적으로 3차원 지자기 데이터의 오프셋 보정에 관한 것이다.

종래의 3차원(3D) 지자기 센서는 휴대형 전화기와 같은 이동체에 탑재되어, 지자계의 방향을 검출한다. 자기 데이터 처리 장치가 자기 데이터에 기초하여 방위를 도출할 때, 이 장치는 이동체의 자화에 의해 야기된 측정 오차를 제거하기 위해서 자기 데이터를 보정하는 처리를 수행할 필요가 있다. 이 보정 처리에 이용되는 제어 값은 복수의 자기 데이터에 기초하여 도출되며, "오프셋"이라고 불린다.

그러나, 자기 데이터는, 이동체의 자화에 의해서 야기되는 오프셋 성분뿐만 아니라, 이동체에 탑재되어 있는 전자 부품에 의해서 생성되는 자계에 의해 야기되거나, 가우스 분포에 따른 자기 센서의 출력의 변동에 의해서 야기되는 오차 성분 또한 포함한다. 따라서, 이동체의 자화에 의해 야기되는 진정한 오프셋을 정확하게 도출하기 위해서는, 구(sphere) 상의 넓은 범위에 걸쳐 3차원적으로 확산되는 복수의 자기 데이터를 저장할 필요가 있다. 그러나, 이동체가 이러한 자기 데이터를 저장하는 데에는 특수한 운동이 요구되기 때문에, 이동체가 그러한 특수한 운동을 하도록 사용자가 조작을 수행하는 것이 통상적으로 요구된다. 진정한 오프셋은 불규칙적으로 변동하기 때문에, 사용자가 그러한 조작을 빈번하게 수행하지 않는다면, 자기 데이터 처리 장치에 의해 도출되는 방위는 실제 방위와는 상이할 가능성이 높아진다.

본 발명자는, 사용자가 그러한 특수한 조작을 수행할 것을 요구하지 않고서 진정한 오프셋에 가까운 오프셋을 도출할 수 있는 발명을 이전에 발명하였다(일본 특허 출원 공개 제2007-240270호 참조). 일본 특허 출원 공개 제2007-240270호는, 통계적 모집단의 자기 데이터의 분포가 3차원적인 경우에는 자기 데이터의 통계적 모집단에 기초하여 오프셋이 3차원적으로 도출되고, 통계적 모집단의 자기 데이터의 분포가 2차원적인 경우에는 자기 데이터의 통계적 모집단에 기초하여 오프셋이 2차원적으로 도출되는 방법을 개시한다. 이 방법은, 통계적 모집단의 자기 데이터가 3차원적으로 확산하지 않는 경우에도, 통계적 모집단의 자기 데이터가 2차원적으로 확산하는 경우라면, 자기 데이터가 2차원적으로 확산하는 평면에 평행한 방향에 대해서 과거에 도출된 오프셋을 2차원적으로 보정한다.

일본 특허 출원 공개 제2007-240270호

본 발명자는 일본 특허 출원 공개 제2007-240270호에 개시된 기술을 개선하려고 시도하였으며, 진정한 오프셋에 단기간에 수렴하는 오프셋을 도출하는 방법을 안출하였다.

따라서, 본 발명의 목적은, 3차원 자기 데이터의 오프셋이 진정한 오프셋에 단기간에 수렴하도록 하는 것이다.

(1) 상기 목적을 달성하기 위한 자기 데이터 처리 장치는, 최근 통계적 모집단을 제공하기 위해 3차원(3D) 자기 센서로부터 출력되는 자기 데이터를 순차 취득하면서 4개 이상의 미리 결정된 수의 자기 데이터를 반복적으로 축적하는 축적부와, 최근 통계적 모집단으로서 축적된 자기 데이터 이전에 3D 자기 센서로부터 출력되는 자기 데이터를 과거 통계적 모집단으로서 저장하는 과거 통계적 모집단 저장부와, 최근 통계적 모집단이 제공될 때마다 최근 통계적 모집단의 분포가 소정의 조건(제1 조건)을 만족하는지 여부를 임계값(제1 임계값)을 사용해서 판정하고, 최근 통계적 모집단이 제1 조건을 만족하지 않을 경우, 과거 통계적 모집단과 최근 통계적 모집단으로 구성되는 혼합 통계적 모집단이 다른 조건(제3 조건)을 만족하는지 여부를 다른 임계값(제3 임계값)을 사용해서 판정하는 판정부와, 최근 통계적 모집단이 제1 조건을 만족하는 경우, 최근 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출하고, 혼합 통계적 모집단이 제3 조건을 만족하는 경우, 혼합 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출하는 오프셋 도출부를 포함하고, 과거 통계적 모집단 저장부는 최근 통계적 모집단의 적어도 일부를 사용하여 과거 통계적 모집단을 갱신한다.

(2) 바람직하게, 판정부는 또 다른 임계값(제2 임계값)을 사용하여 최근 통계적 모집단의 분포가 또 다른 조건(제2 조건)을 만족하는지 여부를 판정하고, 과거 통계적 모집단 저장부는 최근 통계적 모집단이 제2 조건을 만족하는 경우에 최근 통계적 모집단의 적어도 일부를 사용하여 과거 통계적 모집단을 갱신한다.

본 발명에 따르면, 임의의 시점에 있어서의 최근 통계적 모집단과, 그 임의의 시점 이전에 획득된 통계적 모집단인 과거 통계적 모집단을 포함하는 혼합 통계적 모집단에 기초하여 오프셋을 도출할 수 있다. 따라서, 임의의 시점에 있어서의 최근 통계적 모집단이, 임의의 시점에 있어서의 최근 통계적 모집단에 기초하여 확실한 오프셋이 도출될 수 있는 정도로 널리 확산되는 않는 경우에도 오프셋을 도출할 수 있다. 그리고, 최근 통계적 모집단이 제2 조건을 만족하지 않는 한, 과거 통계적 모집단이 갱신되지 않기 때문에, 확실한 오프셋이 도출될 수 있는 정도로 혼합 통계적 모집단이 널리 확산될 가능성이 높다. 또한, 최근 통계적 모집단의 분포가 넓을 경우, 오래된 자기 데이터에 의한 영향을 받지 않도록 최근 통계적 모집단에 기초하여 오프셋이 도출될 수 있기 때문에, 진정한 오프셋에 가까운 오프셋을 도출할 수 있다. 즉, 본 발명에 따르면, 3D 자기 데이터의 오프셋을 단기간에 진정한 오프셋에 수렴시킬 수 있다.

(3) 상기 목적을 달성하기 위한 자기 데이터 처리 장치에 있어서, 제1 조건은 최근 통계적 모집단에 포함된 자기 데이터가 3차원적으로 확산하고 있는 것을 나타내고, 제3 조건은 혼합 통계적 모집단에 포함된 자기 데이터가 3차원적으로 확산하는 것을 나타내며, 제2 조건은 최근 통계적 모집단에 포함된 자기 데이터가 2차원적으로 확산하고 있는 것을 나타낸다. 과거 통계적 모집단 저장부는 최근 통계적 모집단에 포함되는 3개 이상의 자기 데이터의 카피(copy)를 이용하여 과거 통계적 모집단을 갱신한다.

본 발명에 따르면, 최근 통계적 모집단이 2차원적으로 확산하지 않는 한, 과거 통계적 모집단이 갱신되지 않기 때문에, 최근 통계적 모집단의 자기 데이터가 3D 자기 센서로부터 출력되는 시간과, 과거 통계적 모집단의 자기 데이터가 3D 자기 센서로부터 출력되는 시간 사이의 시간 간격이 길어진다. 따라서, 최근 통계적 모집단과 과거 통계적 모집단을 포함하는 혼합 통계적 모집단이 저장되는 기간 동안, 3차원적으로 확산되는 자기 데이터가 자기 센서로부터 출력될 가능성이 높아진다. 또한, 과거 통계적 모집단이 2차원적으로 확산되는 경우, 과거 통계적 모집단이 2차원적으로 확산되지 않는 경우에 비하여 과거 통계적 모집단과 거기에 부가되는 다른 자기 데이터의 전체 분포는 3차원적일 가능성이 높다. 결과적으로, 본 발명에 따르면, 과거 통계적 모집단과 최근 통계적 모집단을 포함하는 혼합 통계적 모집단의 분포가 3차원적일 가능성이 높다. 그리고, 2개의 통계적 모집단의 분포가 모두 2차원적인 경우, 일본 특허 출원 공개 제2007-240270호에 기재된 방법을 사용하여 2개의 통계적 모집단에 기초하여 2회 갱신된 오프셋과 진정한 오프셋의 거리보다, 2개의 통계적 모집단을 포함하는 혼합 통계적 모집단의 3차원적으로 분포되는 자기 데이터에 기초하여 1회 갱신된 오프셋과 진정한 오프셋 간의 거리가 더 짧다.

(4) 과거 통계적 모집단이, 특정 시간에서의 최근 통계적 모집단이 소정의 정도까지 확산하지 않는 때에 갱신되지 않고, 최근 통계적 모집단의 분포의 확산을 감소시키지 않도록 갱신되는 경우, 과거 통계적 모집단과 최근 통계적 모집단을 포함하는 혼합 통계적 모집단의 분포는 최근 통계적 모집단의 분포보다 넓다. 따라서, 과거 통계적 모집단이 갱신된 후에 자기 센서로부터 취득되는 자기 데이터를 과거 통계적 모집단에 부가하는 것은, 혼합 통계적 모집단의 분포가 3차원적일 가능성을 증가시킨다.

따라서, 상기 목적을 달성하기 위한 자기 데이터 처리 장치에 있어서, 과거 통계적 모집단 저장부는, 자기 데이터가 부분적으로 트리밍(trimming)된 최근 통계적 모집단의 트리밍된 버전을 사용하여 과거 통계적 모집단을 갱신한다.

본 발명에 따르면, 과거 통계적 모집단의 분포의 확산과 과거 통계적 모집단이 획득된 기초가 되는 통계적 모집단의 분포의 확산 간의 차를 억제하면서 과거 통계적 모집단의 데이터량을 저감할 수 있다.

(5) 상기 목적을 달성하기 위한 자기 데이터 처리 장치에 있어서, 혼합 통계적 모집단의 자기 데이터는, 최근 통계적 모집단의 트리밍된 버전 및 과거 통계적 모집단으로부터 수집되어, 혼합 통계적 모집단에 포함된 자기 데이터의 전체 수는 최근 통계적 모집단에 포함된 자기 데이터의 미리 결정된 수와 동일하도록 설정된다.

본 발명은, 오프셋을 도출하는 데에 이용되는 각각의 통계적 모집단의 자기 데이터의 수가 동일하므로, 알고리즘을 간소화한다.

청구항에 기재된 각 부(part)의 기능은, 구성 자체에 의해 기능이 특정되는 하드웨어 자원, 프로그램에 의해 기능이 특정되는 하드웨어 자원, 또는 그것들의 조합에 의해 구현된다. 이들 각 부의 기능은, 각각 물리적으로 독립한 하드웨어 자원에 의해 구현되는 것에 한정되지 않는다. 또한, 본 발명은 자기 데이터 처리 방법, 자기 데이터 처리 프로그램, 및 자기 데이터 처리 프로그램을 포함하는 머신 판독가능 기록 매체에도 적용될 수 있을 것이다. 물론, 자기 데이터 처리 프로그램을 포함하는 기록 매체는, 자기 기록 매체 또는 광자기 기록 매체일 수 있을 것이며, 장래에 개발되는 어떠한 기록 매체일 수도 있을 것이다.

도 1은 본 발명의 실시 형태의 블록도.
도 2는 본 발명의 실시 형태의 흐름도.
도 3은 본 발명의 실시 형태의 모식도.
도 4는 본 발명의 실시 형태의 모식도.
도 5는 본 발명의 실시 형태의 흐름도.
도 6은 본 발명의 실시 형태의 모식도.

이하, 본 발명의 실시 형태를 첨부 도면을 참조하여 설명한다. 각각의 도면에 있어서 대응하는 구성 요소에는 동일한 부호가 붙여지고, 중복되는 설명은 생략될 것이다.

1. 제1 실시 형태

(개요)

본 발명의 제1 실시 형태에서는, 최근 통계적 모집단 또는 혼합 통계적 모집단의 자기 데이터의 분포가 3차원적일 경우에 최근 통계적 모집단 또는 혼합 통계적 모집단에 기초하여 3차원적으로 오프셋이 도출된다. 한편, 최근 통계적 모집단의 자기 데이터의 분포가 2차원적일 경우, 과거에 도출된 오프셋(즉, 구 오프셋)은 최근 통계적 모집단과 구 오프셋 모두에 기초하여 2차원적으로 보정되고, 혼합 통계적 모집단이 최근 통계적 모집단과 과거 통계적 모집단으로부터 생성된다.

(자기 데이터 처리 장치의 구성)

도 1은 본 발명의 자기 데이터 처리 장치의 일 실시 형태를 도시하는 블록도이다. 자기 데이터 처리 장치(1)는 휴대 전화기, PND(Personal Navigation Device), 전자 컴퍼스, 디지털 카메라 등의 휴대형 정보 단말기에 탑재된다.

자기 데이터 처리 장치(1)는 자기 센서(20) 및 마이크로컴퓨터를 포함한다. 마이크로컴퓨터는, CPU(40), ROM(42), RAM(44), 입출력부(I/0)(30) 등을 포함한다. 자기 데이터 처리 장치(1)는, 자기 센서(20)로부터 출력되는 자기 데이터를 수신하고, 오프셋 보정된 자기 데이터에 기초하여 진행 방위나 주행 예정 경로를 화상이나 음성에 의해 사용자에 통지하기 위한 방위 데이터를 출력한다. 표시부(60)는 방위를 나타내는 화상을 표시하기 위한 표시 패널과 표시 드라이버를 포함한다.

자기 센서(2O)는, 자계 벡터의 3개의 직교 축 성분을 검출하는 x축 센서(21), y축 센서(22) 및 z축 센서(23)와, 인터페이스(24)를 포함하는 3D 자기 센서이다. x축 센서(21), y축 센서(22) 및 z축 센서(23)는 각각 자기 저항 소자, 홀 소자 등을 포함하고, 임의의 형태의 선형 1D 자기 센서일 수 있을 것이다. x축 센서(21), y축 센서(22) 및 z축 센서(23)는 그 감지 방향이 서로 직교하도록 고정되어 있다. 인터페이스(24)는, x축 센서(21), y축 센서(22) 및 z축 센서(23)의 출력을 시분할을 통해 수신하고, 수신된 3개의 센서(21, 22, 23)의 출력을 증폭 및 AD 변환하여 자기 데이터q=(q_x, q_y, q_z)를 출력한다. 인터페이스(24)로부터 출력되는 디지털 신호인 자기 데이터 q는 RAM(44)의 소정의 어드레스에 저장된다. 불휘발성의 저장 매체인 ROM(42)은, RAM(44)에 로드되어, CPU(40)에 의해 실행되는 자기 데이터 처리 프로그램(90)이나, 휴대형 정보 단말기의 기능을 구현하기 위한 다양한 프로그램을 저장한다.

자기 데이터 처리 프로그램(90)은, 자기 데이터에 기초하여 방위 데이터를 출력하기 위한 프로그램이며, ROM(42)에 저장된다. 방위 데이터는 지자계의 방향을 나타내는 벡터 데이터이다. 자기 데이터 처리 프로그램(90)은, 축적 모듈(91), 판정 모듈(92), 과거 통계적 모집단 저장 모듈(93), 3D 오프셋 갱신 모듈(94a), 2D 오프셋 갱신 모듈(94b), 방위 도출 모듈(95) 등의 모듈 군을 포함한다.

축적 모듈(91)은, 3D 자기 센서로부터 출력되는 자기 데이터를 순차 취득하면서, N개의 자기 데이터 q₁, …, q_N(N≤4)을 최근 통계적 모집단으로서 반복 축적하는 기능을 구현하는 프로그램 모듈이다. 즉, 축적 모듈(91)은, 자기 센서(20)로부터 출력되는 자기 데이터를 일정한 시간 간격으로 순차 취득하고, 취득한 자기 데이터를 최근 버퍼에 저장하는 기능을 구현한다. 최근 버퍼는 미리 결정된 수의 자기 데이터를 축적하기 위한 RAM(44) 내의 저장 영역이며, 여기서의 미리 결정된 수는 4 이상이다.

판정 모듈(92)은, 최근 통계적 모집단이 제공될 때마다 최근 통계적 모집단의 분포가 제1 조건을 만족하는지의 여부를 제1 임계값을 사용해서 판정함과 함께, 최근 통계적 모집단의 분포가 제2 조건을 만족하는지의 여부를 제2 임계값을 사용해서 판정하고, 최근 통계적 모집단이 제1 조건을 만족하지 않을 경우, 최근 및 과거 통계적 모집단을 포함하는 혼합 통계적 모집단이 제3 조건을 만족하는지 여부를 제3 임계값을 사용해서 판정하는 기능을 구현하는 프로그램 모듈이다. 혼합 통계적 모집단은, 최신의 최근 통계적 모집단을 구성하고 있는 복수의 자기 데이터를 자기 데이터가 취득된 순서의 절반을 트리밍하여 획득된 자기 데이터 세트와, 과거 통계적 모집단을 구성하고 있는 자기 데이터 세트를 포함한다. 예를 들어, 최근 통계적 모집단이 N개의 자기 데이터 q₁, q₂, q₃, q₄, q₅,...,q_N을 포함하는 경우, 자기 데이터 q₁, q₃, q₅,...,q_{N -1}만이 추출되고, 자기 데이터 q₂, q₄, q₆,...,q_N은 트리밍된다(trimming away). 과거 통계적 모집단은, 과거에 획득된 최근 통계적 모집단을 포함하며, 본 실시 형태에 있어서는 과거에 획득된 최근 통계적 모집단을 절반을 트리밍하여 획득된 자기 데이터 세트를 과거 통계적 모집단으로 한다. 혼합 통계적 모집단은 이러한 데이터 세트로서 정의되기 때문에, 혼합 통계적 모집단의 자기 데이터의 수는 최근 통계적 모집단의 자기 데이터의 수와 일치하며, 따라서, 통계적 모집단의 분포 특성을 판정하거나, 오프셋을 도출하는 기능을 구현하는 공통 프로그램 코드를 적용하는 것이 가능하다.

여기서, 전술한 최근 통계적 모집단 및 과거 통계적 모집단의 예가, 그 용어의 보다 나은 이해를 위하여 아래에 기술된다. N개의 자기 데이터 q_1', q_2', ...,q_N'가 순차적으로 축적되고, 그 후에 N개의 자기 데이터 q₁, q₂,...,q_N이 순차적으로 축적되는 경우, 과거 통계적 모집단은, 예를 들어 자기 데이터 q_1', q_2', ...,q_N'의 제1 군으로부터 번갈아 추출된 N/2개의 자기 데이터 q_1', q_3', q_5', ...,q_{N -1'}에 의해서 형성되고, 최근 통계적 모집단은 최신의 자기 데이터 군 q₁, q₂,...,q_N에 의해서 형성된다. 이 경우, 혼합 통계적 모집단은 과거 통계적 모집단에 포함된 N/2개의 자기 데이터 q_1', q_3', q_5', ...,q_{N -1'}와, 예를 들어 자기 데이터 q₁, q₂,...,q_N을 포함하는 최근 통계적 모집단으로부터 교대로 추출되는 N/2개의 자기 데이터 q₁, q₃, q₅, ...,q_{N -1}로 이루어진다. 따라서, 혼합 통계적 모집단은 N개의 자기 데이터 q_1', q_3', q_5', ...,q_{N -1'} 및 q₁, q₃, q₅, ...,q_{N -1}로 이루어진다. 개시된 예에서, N/2 개의 자기 데이터는 N개의 자기 데이터를 포함하는 자기 데이터 군으로부터 홀수 번호의 자기 데이터를 추출함으로써 수집된다. 그렇지 않고, 짝수 번호의 자기 데이터가 추출되어 과거 통계적 모집단을 형성하거나, 혼합 통계적 모집단을 형성하거나, 자계 데이터를 추출하는 데에 다른 방법이 이용될 수도 있을 것이다.

본 실시 형태에 있어서, 통계적 모집단의 분포의 3개의 주값(principal value) 간의 비가 통계적 모집단의 분포의 지수로서 이용되고, 판정 모듈(92)은, 이러한 각각의 지수를 대응하는 미리 결정된 임계값과 비교함으로써 통계적 모집단의 분포 특성을 판정한다. 구체적으로, 판정 모듈(92)은, 다음과 같은 방식으로 통계적 모집단의 분포 특성을 판정한다. 통계적 모집단 q₁, ...,q_N의 분포의 주값은, 아래의 수학식 1, 2 및 3에 의해서 정의되는 대칭 행렬 A의 고유값 λ₁, λ₂ 및 λ₃ (λ₁≥λ₂≥λ₃)에 각각 대응한다.

여기서,

그리고, 통계적 모집단이 3차원적으로 분포된 정도를 나타내는 지수를 λ₃/λ₁로 정의한다. 또한, 통계적 모집단이 2차원적으로 분포된 정도를 나타내는 지수를 λ₂/λ₁로 정의한다. 판정 모듈(92)은, λ₃/λ₁이 미리 결정된 임계값보다 큰 경우에는 통계적 모집단이 3차원적으로 분포되어 있다고 판정한다. 즉, 판정 모듈(92)은, 최근 통계적 모집단이 제1 조건을 만족하고, 혼합 통계적 모집단이 제3 조건을 만족한다고 판정한다. 판정 모듈(92)은, λ₃/λ₁이 미리 결정된 임계값보다 크지 않고, λ₂/λ₁이 미리 결정된 다른 임계값보다 큰 경우에는 통계적 모집단이 2차원적으로 분포하고 있다고 판정한다. 즉, 판정 모듈(92)은, 최근 통계적 모집단이 제2 조건을 만족한다고 판정한다. 대칭 행렬 A는 수학식 4로도 나타날 수 있기 때문에, 대칭 행렬 A는 분산-공분산(variance-covariance) 행렬의 N배에 대응한다.

과거 통계적 모집단 저장 모듈(93)은, 최근 통계적 모집단으로서 축적된 자기 데이터 이전에 자기 센서(20)로부터 출력되는 자기 데이터를 과거 통계적 모집단으로서 저장하고, 최근 통계적 모집단이 제2 조건을 만족하고 있을 경우, 최근 통계적 모집단의 적어도 일부에 의해 과거 통계적 모집단을 갱신하는 기능을 구현하는 프로그램 모듈이다. 구체적으로는, 과거 통계적 모집단 저장 모듈(93)은, 최근 통계적 모집단이 제2 조건을 만족하고 있을 경우, 최근 통계적 모집단을 구성하고 있는 자기 데이터 요소를 취득순의 절반을 트리밍하고, 트리밍된 최근 통계적 모집단을 과거 통계적 모집단으로서 과거 버퍼에 저장한다. 예를 들어, 최근 통계적 모집단이 N개의 자기 데이터 q₁, q₂, q₃, q₄, q₅,...,q_N을 포함하는 경우, 자기 데이터 q₁, q₃, q₅,...,q_{N -1} 만이 추출되어 과거 통계적 모집단을 갱신하고, 자기 데이터 q₂, q₄, q₆,...,q_N은 트리밍된다. 과거 버퍼는, 최근 통계적 모집단과는 별도로, 미리 결정된 수의 자기 데이터 요소를 저장하기 위한 RAM(44)의 저장 영역이다.

3D 오프셋 갱신 모듈(94a)은, 최근 통계적 모집단 또는 혼합 통계적 모집단에 기초하여 3차원적으로 오프셋을 도출하는 기능을 구현하는 프로그램 모듈이다. 구체적으로, 3D 오프셋 갱신 모듈(94a)은 다음과 같은 방식으로 오프셋을 도출한다. 각 수학식에 있어서, 최근 통계적 모집단 및 혼합 통계적 모집단은 각각 q₁,...,q_N으로 나타난다.

통계적 모집단이 동일 라인 상에 없는 4개의 자기 데이터 요소를 포함하는 경우, 통계적 모집단이 분포하는 구(sphere)는 통계적 방법을 이용하지 않고서 일의적으로 특정된다. 이 구의 중심의 위치 벡터 p=(p_x, p_y, p_y)는 연립방정식인 수학식 5를 푸는 것에 의해 얻어진다. 3개의 변수에 대하여 등식 제약이 4개이지만, 4개의 등식 제약 중 하나는 잉여적이기 때문에, 수학식 5는 반드시 해를 갖는다.

여기서,

여기서, 통계적 모집단의 데이터 요소의 수가 5개 이상인 경우, "p"에 관한 연립 1차 방정식인 수학식 7이 해를 갖는다면, 그 해는, 통계적 모집단 데이터 세트가 분포하는 구의 중심이다.

여기서,

그러나, 자기 센서(20)의 측정 오차를 고려하면, 수학식 7은 해를 거의 갖지 않는다. 따라서, 통계적인 방법을 사용해서 그럴듯한 해를 얻기 위해서, 다음의 수학식 9로 정의되는 벡터 "e"를 도입한다.

∥e∥₂ ²(즉, e^Te)를 최소화하는 "p"의 값이, 통계적 모집단이 가장 가까이에 분포하는 구의 중심이 될 가능성이 높다. ∥e∥₂ ²를 최소화하는 "p"의 값을 구하는 문제는, 행렬 A가 정식일 때에는 다음 수학식 10의 목적 함수를 최소화하는 최적화 문제가 된다.

즉, 수학식 10의 목적 함수 f(p)를 최소화하는 "p"의 값은 오프셋으로서 도출된다. 목적 함수 f(p)를 최소화하는 "p" 값은, 본 실시 형태에서 상정하고 있는 바와 같이 X^TX가 정식일 때에 아래의 수학식 11로서 나타날 수 있다.

2D 오프셋 갱신 모듈(94b)은, 최근 통계적 모집단에 기초하여 2차원적으로 과거의 오프셋을 보정함으로써 최신의 오프셋을 도출하는 기능을 구현하는 프로그램 모듈이다. 즉, 2D 오프셋 갱신 모듈(94b)은, 축적 모듈(91)에 저장된 최근 통계적 모집단과, 과거의 오프셋 모두에 기초하여 최신의 오프셋을 도출하고, 과거의 오프셋을 최신의 오프셋으로 갱신하는 기능을 구현한다. 구체적으로, 2D 오프셋 갱신 모듈(94b)은, 다음과 같은 방식으로 최신 오프셋을 도출한다.

통계적 모집단의 분포가 2차원(즉, 평면)적일 경우, 구 오프셋이 보정되는 방향을 직교하는 2 방향으로 제한해서 신 오프셋이 도출된다. 통계적 모집단이 특정한 평면에 집중하여 분포하고, 그 평면에 수직인 방향으로부터 보아서 확산하고 있을 경우, 그 평면과 평행한 방향에서의 통계적 모집단은 충분히 신뢰할 수 있으며, 그 평면에 수직인 방향에서의 통계적 모집단은 오프셋 보정을 위해서 사용하는 데이터 세트로서는 신뢰할 수 없게 된다. 이러한 경우에는, 그 평면에 수직인 방향에 대해서는 구 오프셋을 보정하지 않고, 이에 의해 신뢰할 수 없는 정보에 기초하여 오프셋이 갱신되는 것을 방지할 수 있다.

통계적 모집단이 특정한 평면 근방에 집중하고, 그 평면에 수직인 방향으로부터 보아서 확산하고 있을 경우, 그 평면에 수직인 방향은 최소 고유값 λ₃에 대응하는 고유 벡터 u₃의 방향과 일치하고, 그 평면에 평행한 2개의 직교 방향은 최대 고유값 λ₁ 및 중간 고유값 λ₂에 각각 대응하는 고유 벡터 u₁, u₂의 방향과 일치한다. 따라서, 그 평면에 수직인 방향에서의 구 오프셋 p₀를 보정하지 않고 신 오프셋 p를 도출하기 위해서, 다음의 수학식 12에 의해서 표현되는 제약 조건하에서 수학식 10의 목적 함수를 최소화하는 신 오프셋 p를 구한다.

수학식 12는 다음 수학식 13과 등가이다.

수학식 13의 제약 조건하에서 수학식 10의 최적화 문제를 푸는 방정식은, 라그랑지 멀티플라이어(Lagrange multiplier)의 방법을 이용해서 등가의 연립 방정식으로 변형할 수 있다. 라그랑지 미정 상수 ρ를 도입하고, "x"가 다음의 수학식 14에 의해서 정의되면, "x"의 연립 1차 방정식인 수학식 15가 전술한 연립 방정식이 된다.

여기서,

방위 도출 모듈(95)은, 자기 센서(20)로부터 순차 취득하는 자기 데이터를 최신의 오프셋을 사용해서 보정해서 방위 데이터를 생성하는 프로그램 모듈이다. 구체적으로는, 방위 도출 모듈(95)은, 벡터 데이터인 자기 데이터의 성분으로부터 오프셋의 성분을 감산해서 얻어지는 벡터 데이터를 방위 데이터로서 출력한다.

(자기 데이터 처리 방법)

다음으로, 자기 데이터 처리 프로그램(90)을 실행함으로써 구현되는 자기 데이터 처리 방법에 대해 도 2를 참조하면서 설명한다. 도 2의 처리는 일정 시간 간격(예를 들어, 10 ms 간격)으로 반복해서 실행된다.

처음에, 자기 센서(20)로부터 출력된 자기 데이터가 축적 모듈(91)에 의해 취득되어, 취득된 자기 데이터가 최근 버퍼에 저장된다(S100).

다음으로, 미리 결정된 수의 자기 데이터가 최근 통계적 모집단으로서 최근 버퍼에 축적되어 있는지의 여부가 판정 모듈(92)에 의해 판정된다(S101). 미리 결정된 수의 자기 데이터가 최근 통계적 모집단으로서 최근 버퍼에 축적되어 있지 않은 경우, 미리 결정된 시간의 경과 후에 다음 자기 데이터가 최근 버퍼에 저장된다(S100).

미리 결정된 수의 자기 데이터가 최근 통계적 모집단으로서 최근 버퍼에 저장되어 있을 경우, 최근 통계적 모집단이 3차원적으로 확산하고 있을지가 판정 모듈(92)에 의해 판정된다(S102).

최근 통계적 모집단이 3차원적으로 확산하고 있을 경우, 최근 통계적 모집단에만 기초해서 오프셋이 3차원적으로 갱신된다(S113). 즉, 최근 버퍼에 저장되어 있는 자기 데이터를 통계적 모집단으로서 사용하여 3D 오프셋 갱신 모듈(94a)에 의해 최신의 오프셋이 도출되고, 과거의 오프셋이 최신의 오프셋에 의해 갱신된다.

최근 통계적 모집단에만 기초해서 오프셋이 3차원적으로 갱신되면, 3D 오프셋 갱신 모듈(94a)에 의해 과거 통계적 모집단이 파기된다(S112). 이것은, 자화 상태가 변동함으로써 진정한 오프셋이 변동한 경우, 진정한 오프셋의 변동 전에 획득된 자기 데이터에 기초하여 오프셋이 도출되는 기간을 짧게 함과 함께, 단기간에 변동된 진정한 오프셋에 오프셋을 수렴시키기 위해서이다.

최근 통계적 모집단이 3차원적으로 확산하고 있지 않은 경우, 과거 통계적 모집단이 비어있을지 여부가 판정 모듈(92)에 의해 판정된다(S103).

과거 통계적 모집단이 비어있지 않을 경우, 판정 모듈(92)에 의해 최근 통계적 모집단과 과거 통계적 모집단 모두로부터 혼합 통계적 모집단이 생성된다(S104). 구체적으로는 최근 버퍼와 과거 버퍼에 저장되어 있는 자기 데이터가 다른 저장 영역에 혼합 통계적 모집단으로서 저장된다.

최근 통계적 모집단과 과거 통계적 모집단으로부터 혼합 통계적 모집단이 생성되면, 혼합 통계적 모집단이 3차원적으로 확산하고 있는지의 여부가 판정 모듈(92)에 의해 판정된다(S105).

혼합 통계적 모집단이 3차원적으로 확산하고 있을 경우, 혼합 통계적 모집단에만 기초해서 오프셋이 3차원적으로 갱신된다(S111). 즉, 과거의 최근 통계적 모집단과 최신의 최근 통계적 모집단 모두의 자기 데이터를 통계적 모집단으로서 이용해서, 3D 오프셋 갱신 모듈(94a)에 의해 최신의 오프셋이 도출되어, 과거의 오프셋이 최신의 오프셋으로 갱신된다. 과거의 오프셋이 최신의 오프셋으로 갱신되면, 3D 오프셋 갱신 모듈(94a)은 과거 통계적 모집단을 파기한다(S112).

과거 통계적 모집단이 비어있을 경우 또는 혼합 통계적 모집단이 3차원적으로 확산하고 있지 않은 경우, 최근 통계적 모집단이 2차원적으로 확산하고 있는지의 여부가 판정 모듈(92)에 의해 판정된다(S106).

최근 통계적 모집단이 2차원적으로 확산하고 있을 경우, 구 오프셋을 최근 통계적 모집단에 기초하여 2차원적으로 보정함으로써 오프셋이 갱신된다(S108). 즉, 2D 오프셋 갱신 모듈(94b)에 의해 연립 1차 방정식인 수학식 15의 해 "p"에 의해서 오프셋이 갱신된다.

최근 통계적 모집단이 2차원적으로 확산하고 있을 경우, 최근 통계적 모집단에 의해 과거 통계적 모집단이 갱신된다(S109). 즉, 과거 통계적 모집단 저장 모듈(93)은, 최근 통계적 모집단으로부터 자기 데이터의 절반을 선택하고, 선택한 자기 데이터를 과거 버퍼에 저장한다.

마지막으로, 축적 모듈(91)에 의해 최근 통계적 모집단이 파기된다(S110).

이상의 처리에서는, 최근 통계적 모집단이 3차원적으로도 2차원적으로도 확산 하고 있지 않은 경우에 과거 통계적 모집단은 갱신되지 않는다. 따라서, 자기 센서(20)가 3차원적으로도 2차원적으로도 운동하고 있지 않은 경우에는, 과거 통계적 모집단은 갱신되지 않고, 오프셋도 도출되지 않는다. 최근 통계적 모집단이 2차원적으로 확산하는 경우에만 최근 통계적 모집단이 과거 통계적 모집단으로서 저장되기 때문에, 최근 통계적 모집단과 과거 통계적 모집단을 포함하는 혼합 통계적 모집단이 3차원적으로 확산할 가능성이 높다. 따라서, 무용한 오프셋 갱신 처리가 본 실시 형태에서는 억제된다.

여기에서, 가령 2차원적으로 확산하는 복수의 통계적 모집단이 저장될 경우에, 각각의 통계적 모집단에 기초하여 과거의 오프셋을 2차원적으로 보정하는 것으로 한다. 이 경우, 통계적 모집단이 근방에 확산하는 평면 α₁ 및 α₂가 이루는 각도 θ가 작으면, 도 3에 나타낸 바와 같이 오프셋은 p₀, p₁, p₂로 순차 갱신되어, 오프셋이 진정한 오프셋 O에 수렴하기 어려워진다. 반면에, 본 실시 형태에서는, 통계적 모집단이 근방에 확산하는 평면 α₁ 및 α₂를 포함하는 3차원적인 분포 S에 기초하여 3차원적으로 오프셋이 도출되기 때문에, 도 4에 나타낸 바와 같이 오프셋은 p₀, p₁, p₂로 순차 갱신되어 진정한 오프셋 O에 단기간에 수렴한다.

2. 제2 실시 형태

본 발명의 제2 실시 형태에서는, 최근 통계적 모집단 또는 혼합 통계적 모집단의 자기 데이터의 분포가 3차원적일 경우에는 최근 통계적 모집단 또는 혼합 통계적 모집단에 기초하여 3차원적으로 오프셋이 도출된다. 한편, 최근 통계적 모집단의 자기 데이터의 분포가 2차원적일 경우에는 최근 통계적 모집단과 과거 통계적 모집단 모두로부터 혼합 통계적 모집단이 생성되지만, 구 오프셋은 보정되지 않는다.

도 5는, 제2 실시 형태에 따른 자기 데이터 처리 방법을 나타내는 흐름도이다. 즉, 최근 통계적 모집단에 기초하여 오프셋을 도출하는 단계 S108의 처리를 수행하지 않는 것이 제1 실시 형태와 제2 실시 형태의 차이이다.

2차원적으로 과거의 오프셋을 보정하는 처리를 실행하지 않기 때문에, 제1 실시 형태에서는 도 4에 나타낸 바와 같이 p₀, p₁, p₂로 오프셋이 갱신될 경우에는, 본 실시 형태에서는 도 6 나타낸 바와 같이 p₀ 및 p₁로 오프셋이 순차 갱신된다.

3. 다른 실시 형태

본 발명의 기술적 범위는 상술한 실시 형태에 한정되지 않고, 본 발명의 요지를 일탈하지 않는 범위 내에 있어서 다양한 변경을 가할 수 있는 것은 물론이다.

예를 들어, 통계적 모집단에 기초하여 3차원적으로 오프셋을 도출하는 부(part)와, 통계적 모집단에 기초하여 2차원적으로 구 오프셋을 보정하는 부는 상기 실시 형태에 개시한 것에 한정되지 않고, 어떤 공지의 수단을 사용해도 되고, 금후 개발되는 어떠한 수단을 사용해도 된다. 공지의 수단의 예는, 통계적 방법을 사용해서 2차원적 또는 3차원적으로 오프셋을 도출하는 수단과, 3개 또는 4개의 자기 데이터를 통계적 모집단으로부터 선택하고, 선택된 통계적 모집단으로부터 오프셋으로서의 구의 중심 또는 구 오프셋을 보정하기 위한 일시적인 오프셋으로서의 원의 중심을 획득하는 수단 등을 포함한다. 본 발명자는 복수의 자기 데이터의 오프셋 도출 방법을 이전에 제안하였다(일본 특허 출원 공개 제2007-240270호, 제2007-205944호, 제2007-139715호, 제2007-107921호, 제2007-339478호 등).

예를 들어, 통계적 모집단이 3차원적으로 확산하고 있을지 2차원적으로 확산하고 있을지를 판정하는 수단은 상기 실시 형태에 개시한 것에 한정되지 않고, 어떤 공지의 수단을 사용해도 되고, 금후 개발되는 어떠한 수단을 사용해도 된다. 공지 수단의 예는, 통계적 모집단의 분산의 크기를 임계값과 비교하는 수단을 포함한다. 과거 통계적 모집단과 최근 통계적 모집단이 각각 3차원적으로 확산하고 있을지는, 개별적인 임계값을 사용해서 판정해도 되고, 알고리즘 자체를 바꾸어서 판정해도 된다.

또한, 예를 들어, 통계적 모집단에 기초하여 오프셋을 도출한 후에, 임계값을 사용해서 그 오프셋의 신뢰성을 판정하고, 신뢰성이 낮은 경우에는, 도출한 오프셋을 파기해도 된다.

또한, 예를 들어, 과거 통계적 모집단을 갱신하기 위해서 만족되어야 할 최근 통계적 모집단의 조건은, 자기 데이터가 2차원적으로 확산하는 상기 실시 형태에 개시한 조건에 한정되지 않고, 혼합 통계적 모집단이 3차원적으로 확산할 가능성이 높은 동시에 구 자기 데이터가 적절한 범위를 초과하는 장기에 걸쳐 과거 통계적 모집단으로서 남지 않는 조건이면 어떤 조건이라도 채택될 수 있다. 즉, 최근 통계적 모집단이 3차원적으로 확산하는 경우에 과거 통계적 모집단이 갱신될 수 있을 것이다. 이와 달리, 과거 통계적 모집단은, 최근 통계적 모집단이 2차원적으로 확산하지 않는 경우에도 최근 통계적 모집단이 소정의 조건을 만족하는 경우에는 갱신될 수 있을 것이다. 예를 들어, 최근 통계적 모집단의 분포의 특성을 조건으로 할 경우에도, 분산의 크기가 임계값을 초과하는 상태 등을 조건으로 해도 된다. 또한, 최근 통계적 모집단이 저장된 시각과 과거 통계적 모집단이 저장된 시각 사이의 시간 간격의 길이를 조건으로 해도 된다. 즉, 일정 시간 간격마다 과거 통계적 모집단을 최근 통계적 모집단에 의해 갱신해도 된다.

또한, 예를 들어, 최근 통계적 모집단을 구성하고 있는 복수의 자기 데이터를 트리밍함으로써 임의의 순서로 얻어지는 자기 데이터의 세트를 과거 통계적 모집단으로 정의해도 되고, 최근 통계적 모집단의 전부를 과거 통계적 모집단으로서 저장해도 된다. 과거 통계적 모집단은 단지 하나의 자기 데이터를 포함할 수도 있을 것이다. 예를 들어, 최근 통계적 모집단의 최고의(oldest) 자기 데이터만을 과거 통계적 모집단으로서 저장할 수 있을 것이다. 또한, 혼합 통계적 모집단의 자기 데이터의 수는 최근 통계적 모집단의 자기 데이터의 수와 상이할 수 있을 것이다. 예를 들어, 과거의 시점에 있어서의 최근 통계적 모집단의 모든 자기 데이터를 포함하는 과거 통계적 모집단과 최신의 최근 통계적 모집단의 모든 자기 데이터의 조합을 혼합 통계적 모집단으로서 정의할 수 있을 것이다.

또한, 과거 통계적 모집단은, 오프셋이 3차원적으로 갱신되는 것과는 다른 시간에 클리어(clear)될 수 있을 것이다. 예를 들어,과거 통계적 모집단은 일정한 시간 간격으로 클리어될 수 있을 것이다. 또한, 예를 들어, 자기 센서와 마이크로컴퓨터를 단일 패키지에 수용하고, 방위 데이터를 출력하는 독립한 전자 부품으로서 자기 데이터 처리 장치를 구성할 수 있을 것이다. 또한, 예를 들어, 자기 센서(20)의 온도 특성에 따른 오프셋을 보정해서 방위 데이터를 도출할 수 있을 것이다. 또한, 최근 통계적 모집단으로서 저장될 자기 데이터가 선택될 수도 있을 것이다. 예를 들어, 연속해서 취득한 2개의 자기 데이터 간의 거리가 가까울 경우에는 연속해서 취득한 2개의 자기 데이터 중 한쪽만을 최근 통계적 모집단으로서 저장할 수 있을 것이다.

20: 자기 센서
24: 인터페이스
60: 표시부
90: 자기 데이터 처리 프로그램
91: 축적 모듈
92: 판정 모듈
93: 과거 통계적 모집단 저장 모듈
94a: 3D 오프셋 갱신 모듈
94b: 2D 오프셋 갱신 모듈
95: 방위 도출 모듈

Claims (8)

1. 자기 데이터 처리 장치이며,
   최근 통계적 모집단을 제공하기 위해, 3차원(3D) 자기 센서로부터 출력되는 자기 데이터를 순차 취득하면서 4개 이상의 미리 결정된 수의 자기 데이터를 반복해서 축적하는 축적부와,
   상기 최근 통계적 모집단으로서 축적되는 자기 데이터 이전에 상기 3D 자기 센서로부터 출력되는 자기 데이터를 과거 통계적 모집단으로서 저장하는 과거 통계적 모집단 저장부와,
   상기 최근 통계적 모집단이 제공될 때마다 상기 최근 통계적 모집단의 분포가 소정의 조건을 만족하는지의 여부를 임계값을 사용해서 판정하고, 상기 최근 통계적 모집단이 상기 소정의 조건을 만족하지 않는 경우, 상기 과거 통계적 모집단과 상기 최근 통계적 모집단으로 이루어지는 혼합 통계적 모집단이 다른 조건을 만족하는지 여부를 다른 임계값을 사용해서 판정하는 판정부와,
   상기 최근 통계적 모집단이 상기 소정의 조건을 만족하는 경우, 상기 최근 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출하고, 상기 혼합 통계적 모집단이 상기 다른 조건을 만족하는 경우, 상기 혼합 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출하는 오프셋 도출부를 포함하고,
   상기 과거 통계적 모집단 저장부는 상기 최근 통계적 모집단의 적어도 일부를 사용하여 상기 과거 통계적 모집단을 갱신하는 자기 데이터 처리 장치.
2. 제1항에 있어서,
   상기 판정부는, 또 다른 임계값을 사용해서 상기 최근 통계적 모집단의 분포가 또 다른 조건을 만족하는지 여부를 판정하고,
   상기 과거 통계적 모집단 저장부는, 상기 최근 통계적 모집단이 상기 또 다른 조건을 만족하는 경우에 상기 최근 통계적 모집단의 적어도 일부를 사용해서 상기 과거 통계적 모집단을 갱신하는 자기 데이터 처리 장치.
3. 제2항에 있어서,
   상기 소정의 조건은, 상기 최근 통계적 모집단에 포함된 자기 데이터가 3차원적으로 확산되고 있음을 나타내고, 상기 다른 조건은, 상기 혼합 통계적 모집단에 포함된 자기 데이터가 3차원적으로 확산됨을 나타내고, 상기 또 다른 조건은, 상기 최근 통계적 모집단 내에 포함된 자기 데이터가 2차원적으로 확산됨을 나타내며,
   상기 과거 통계적 모집단 저장부는 상기 최근 통계적 모집단에 포함된 3개 이상의 자기 데이터의 카피(copy)를 사용하여 상기 과거 통계적 모집단을 갱신하는 자기 데이터 처리 장치.
4. 제1항 내지 제3항 중 어느 한 항에 있어서,
   상기 과거 통계적 모집단 저장부는, 자기 데이터가 부분적으로 트리밍(trimming)되는 상기 최근 통계적 모집단의 트리밍된 버전(version)을 사용하여 상기 과거 통계적 모집단을 갱신하는 자기 데이터 처리 장치.
5. 제4항에 있어서,
   상기 혼합 통계적 모집단의 자기 데이터는, 상기 혼합 통계적 모집단에 포함된 자기 데이터의 총 수가 상기 최근 통계적 모집단에 포함된 자기 데이터의 미리 결정된 수와 동일하도록, 상기 최근 통계적 모집단의 트리밍된 버전 및 상기 과거 통계적 모집단으로부터 수집되는 자기 데이터 처리 장치.
6. 제1항 내지 제3항 중 어느 한 항에 있어서,
   3D 자기 센서를 더 구비하는 자기 데이터 처리 장치.
7. 자기 데이터 처리 방법으로서,
   최근 통계적 모집단을 제공하기 위해, 3차원(3D) 자기 센서로부터 출력되는 자기 데이터를 순차 취득하면서 4개 이상의 미리 결정된 수의 자기 데이터를 반복 축적하는 단계와,
   상기 최근 통계적 모집단으로서 축적되는 자기 데이터 이전에 상기 3D 자기 센서로부터 출력되는 자기 데이터를 과거 통계적 모집단으로서 저장하는 단계와,
   상기 최근 통계적 모집단이 제공될 때마다 상기 최근 통계적 모집단의 분포가 소정의 조건을 만족하는지의 여부를 임계값을 사용해서 판정하고, 상기 최근 통계적 모집단이 상기 소정의 조건을 만족하지 않는 경우에, 상기 과거 통계적 모집단과 상기 최근 통계적 모집단으로 이루어지는 혼합 통계적 모집단이 다른 조건을 만족하는지 여부를 다른 임계값을 사용해서 판정하는 단계와,
   상기 최근 통계적 모집단이 상기 소정의 조건을 만족하는 경우, 상기 최근 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출하고, 상기 혼합 통계적 모집단이 상기 다른 조건을 만족하는 경우, 상기 혼합 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출하는 단계와,
   상기 최근 통계적 모집단의 적어도 일부를 사용하여 상기 과거 통계적 모집단을 갱신하는 단계를 포함하는 자기 데이터 처리 방법.
8. 컴퓨터에서 사용하기 위한 머신 판독가능 저장 매체로서,
   상기 매체는,
   최근 통계적 모집단을 제공하기 위해, 3차원(3D) 자기 센서로부터 출력되는 자기 데이터를 순차 취득하면서 4개 이상의 미리 결정된 수의 자기 데이터를 반복 축적하는 단계와,
   상기 최근 통계적 모집단으로서 축적되는 자기 데이터 이전에 상기 3D 자기 센서로부터 출력되는 자기 데이터를 과거 통계적 모집단으로서 저장하는 단계와,
   상기 최근 통계적 모집단이 제공될 때마다 상기 최근 통계적 모집단의 분포가 소정의 조건을 만족하는지의 여부를 임계값을 사용해서 판정하고, 상기 최근 통계적 모집단이 상기 소정의 조건을 만족하지 않는 경우에, 상기 과거 통계적 모집단과 상기 최근 통계적 모집단으로 이루어지는 혼합 통계적 모집단이 다른 조건을 만족하는지 여부를 다른 임계값을 사용해서 판정하는 단계와,
   상기 최근 통계적 모집단이 상기 소정의 조건을 만족하는 경우, 상기 최근 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출하고, 상기 혼합 통계적 모집단이 상기 다른 조건을 만족하는 경우, 상기 혼합 통계적 모집단에 기초하여 자기 데이터의 오프셋을 도출하는 단계와,
   상기 최근 통계적 모집단의 적어도 일부를 사용하여 상기 과거 통계적 모집단을 갱신하는 단계의 프로세스를 수행하기 위해 컴퓨터에 의해서 실행가능한 자기 데이터 처리 프로그램을 포함하는, 머신 판독가능 저장 매체.

Images