KR20160143438A

KR20160143438A - 추측 항법 시스템에서의 밀결합 측위 방법 및 그 장치

Info

Publication number: KR20160143438A
Application number: KR1020150080175A
Authority: KR
Inventors: 박정우; 이숙진
Original assignee: 한국전자통신연구원
Priority date: 2015-06-05
Filing date: 2015-06-05
Publication date: 2016-12-14
Also published as: KR102172145B1

Abstract

추측 항법 시스템에서의 밀결합 측위 방법 및 그 장치가 제공된다. 관성 센서로부터의 제1 관측 데이터, 위성 항법 장치로부터의 제2 관측 데이터, 그리고 도플러 수신 장치로부터의 제3 관측 데이터를 토대로, 측위를 위한 상태 변수를 설정하고, 이를 토대로 밀결합 측위를 수행한다.

Description

추측 항법 시스템에서의 밀결합 측위 방법 및 그 장치{Tightly-coupled localization method and apparatus in dead-reckoning system}

본 발명은 추측 항법 시스템에서의 밀결합 측위 방법 및 그 장치에 관한 것이다.

최근 스마트 폰의 광범위한 보급 및 측위 기술의 발전과 함께 킬러 애플리케이션으로서 가장 유망한 모바일 핵심 서비스로 부각되고 있는 위치기반 서비스(Location-based Services, LBS)를 제공하기 위해서 가장 기본적으로 확보되어야 하는 기술이 측위 기술이다.

측위 시스템은 크게 상대 측위 시스템과 절대 측위 시스템으로 분류된다.

상대 측위 시스템(일명, 추측 항법(dead reckoning) 시스템이라고도 함)은 대상의 위치를 추적함에 있어서 그 초기의 위치 및 방향을 기준으로 상대적인 변화량을 추적하는 시스템으로, 위성 항법 등과 같이 대상의 절대적인 위치를 추적하는 절대 측위 시스템과 대비된다. 대표적인 상대 측위 시스템으로서 보행자 추측 항법(Pedestrian Dead Reckoning, PDR)이 있다. 보행자가 어떤 경로를 이동시에 자기 발걸음의 횟수와 진행 방향의 변화를 감지할 수 있다면, 보행자는 이 정보들과 자기의 평균 보폭에 대한 추정치를 바탕으로 출발점 대비 자기의 대략적인 위치를 추적할 수 있다. 이것이 보행자 추측 항법의 기본 원리이다.

그런데, 보행자 추측 항법의 경우에 시간이 진행됨에 따라 보행자의 위치 추정값은 점점 부정확해지게 된다. 이는 보행자 추측 항법이 발걸음의 횟수에 대응하는 보행자의 상대적인 변위에 대한 추정치를 연쇄적으로 연결해 나가는 방식인데, 각 스텝(Step)의 상대적 변위 추정치에는 보행자의 실제 보폭이 일정하지 않기 때문에 발생하는 오차뿐 아니라, 진행 방향의 변화량 추정치에 개입하는 오차도 포함되어 있기 때문이다. 이러한 오차들은 계속적으로 누적되어 위치 추정 결과에 반영되므로, 보행자가 앞으로 진행해 나아갈수록 위치 추정 결과는 점점 더 부정확해지게 된다. 이러한 오차의 누적 현상을 드리프트(Drift)라고 하며, 이는 모든 상대 측위 시스템에 보편적으로 나타나는 특성이다.

한편 절대 측위 시스템으로는 대표적으로 위성 항법 시스템(Global Navigation Satellite System, GNSS)을 들 수 있으며, 그 외에 이동 통신망, Wi-Fi, UWB(ultra wideband), 블루투스를 이용하는 방식 등이 연구되고 있다.

위성 항법 시스템은 지구를 도는 인공 위성의 네트워크 정보를 이용해 지상에 있는 목표물의 위치와 고도, 속도를 알아내는 시스템이다. 미사일 유도 같은 군사적 용도나 항공기, 선박, 자동차 등의 항법 장치에 이용되는데, 그 중 대표적 시스템이 GPS(global positioning system)이다.

또 다른 절대 측위 시스템으로서 도플러 레이더(Doppler Radar)를 들 수 있다. 도플러 레이더는 도플러 효과를 이용하여 멀리 떨어져 있는 물체의 빠르기 데이터를 만들어내는 특수 레이더로서, 마이크로파 신호를 표적에 맞추어 그로부터의 반사파를 측정한 뒤, 되돌아온 신호의 주파수가 물체의 움직임에 의해 얼마나 변화되었는지를 분석한다. 도플러 레이더를 이용하는 시스템으로서 과속 차량의 적발에 사용되는 스피드 건(speed gun)이 있다.

파동이 발생되는 파원과 관측자의 상대적 운동에 의하여 관측되는 진동수가 달라지는 현상을 도플러 효과(Doppler Effect)라고 하는데, 이러한 현상은 음파뿐만 아니라 광파(빛) 등 모든 파동에 대하여 나타난다 이러한 도플러 효과를 토대로 한 도플러 레이더를 이용하여 단말의 속도를 감지할 수 있다. 채널 내에서 송신기와 수신기가 상대적으로 이동하는 경우에 수신기는 송신기가 송신한 신호의 주파수로부터 약간 달라진 주파수의 신호를 수신하게 되는데, 이 수신되는 신호의 주파수 변화를 토대로 단말의 속도를 추정할 수 있다. 이러한 도플러 효과를 이용하여 단말의 속도를 감지할 수 있는 장치를 도플러(Doppler) 수신 장치라고 한다.

실내 무선통신 환경에서 도플러 쉬프트(Doppler Shift)의 영향은 캐리어 주파수

및 (광속으로 normalize한) 관측자(단말)의 속도의 곱에 비례한다. 이러한 원리에 기반하여 단말의 속도를 감지해 내는 장치가 도플러 수신 장치이다. Wi-Fi 신호는 보행자 속도에 대응하는 도플러 쉬프트 량의 측정에 사용할 수 있는 주파수 대역에 속해 있다고 알려져 있다.

도플러 수신 장치를 실내 측위에 사용할 경우에, 다른 실내 측위 수단과 같은 별도의 막대한 인프라 투자가 필요하지 않을 뿐만 아니라, 실내 측위에 가장 큰 장애가 되는 다중경로 효과(Multipath Effect)가 지배하는 환경에서도 신호 발생 소스의 위치를 파악하지 않고서도 적용이 가능하다는 장점이 있다.

추측 항법 시스템은 단거리 추적에 있어서는 높은 정밀도를 자랑하나, 장거리 추적시에는 드리프트 문제에 의해 정밀도가 현저히 떨어지게 되는 단점이 있다. 그러므로 상대 오차의 누적 현상인 드리프트 현상을 극복하고 측위 결과의 정확도를 개선하기 위한 방법이 요구된다.

본 발명이 해결하고자 하는 기술적 과제는, 관성 센서 등의 상대 측위 시스템에 보편적으로 나타나는 오차의 누적 현상을 극복하고 측위 결과의 정확도를 개선하기 위하여, 절대 측위 시스템에 의한 관측 데이터에 기반하여 주기적으로 상대 측위 시스템에 의한 측위 결과를 보정/캘리브레이션(Calibration)해 주기 위한 밀결합의 측위 방법 및 그 장치를 제공하는 데 있다.

본 발명의 특징에 따른 밀결합 측위 방법은, 관성 센서로부터의 제1 관측 데이터, 위성 항법 장치로부터의 제2 관측 데이터, 그리고 도플러 수신 장치로부터의 제3 관측 데이터를 토대로, 측위를 위한 상태 변수를 설정하는 단계; 상기 설정된 상태 변수를 토대로 현재 상태에 대한 제1 내지 제3 관측 데이터에 대한 상태 예측값 및 오차 공분산 예측값을 산출하는 예측 과정을 수행하는 단계; 및 상기 예측 과정에서 획득한 상태 예측값 및 오차 공분산 예측값을 측정값과 예측값의 차이로써 보상하여 측위를 위한 새로운 추정값을 획득하는 교정 과정을 수행하는 단계를 포함한다.

상기 제1 관측 데이터는 방위각 정보일 수 있다. 상기 제2 관측 데이터는 보행자 위치 정보를 포함하며, 위치 정보는 x 좌표 및 y 좌표로 이루어질 수 있다. 상기 제3 관측 데이터는 보폭을 포함할 수 있다.

상기 제3 관측 데이터는 스텝별 순간 속도를 포함하며, 스텝별 순간 속도는 k번째 스텝의 보폭과 k번째 스텝의 소요시간 △를 토대로 산출되고, k번째 스텝의 소요시간 △는 출발시부터 시각 k까지의 총 소요시간을 가속도계가 검출한 스텝의 갯수로 나누어서 도출될 수 있다.

상기 예측 과정을 수행하는 단계는, 상기 상태 변수를 토대로 현재 상태를 예측하여 상태 예측값을 획득하는 단계; 현재 상태에 해당하는 오차 공분산을 예측하여 오차 공분산 예측값을 획득하는 단계; 및 상기 상태 예측값을 토대로 관측 데이터에 대한 추정값인 예측 측정값을 획득하는 단계를 포함할 수 있다.

상기 교정 과정을 수행하는 단계는, 상기 오차 공분산 예측값과 실제 관측 노이즈를 토대로 이득을 산출하는 단계; 상기 산출된 이득, 실제 측정값과 예측 측정값의 차이를 토대로 상태 예측값을 보정하여 새로운 추정값을 획득하는 단계; 및 상기 산출된 이득을 토대로 상기 오차 공분산 예측값을 보정하여 교정된 오차 공분산을 획득하는 단계를 포함할 수 있다.

상기 실제 측정값은 상기 관성 센서로부터의 제1 관측 데이터, 위성 항법 장치로부터의 제2 관측 데이터, 그리고 도플러 수신 장치로부터의 제3 관측 데이터일 수 있다.

상기 상태 변수를 설정하는 단계는 상기 제1 내지 제3 관측 데이터를 토대로 상기 예측 과정 및 교정 과정의 수행에 따라 획득한 이전 단계의 새로운 추정값을 토대로 상기 상태 변수를 설정할 수 있다.

한편, 상기 예측 과정 및 교정 과정은 칼만 필터를 토대로 수행될 수 있다.

본 발명의 다른 특징에 따른 밀결합 측위 장치는, 관성 센서로부터의 제1 관측 데이터를 제공받는 제1 입력부; 위성 항법 장치로부터의 제2 관측 데이터를 제공받는 제2 입력부; 도플러 수신 장치로부터의 제3 관측 데이터를 제공받는 제3 입력부; 및 상기 제1 내지 제3 관측 데이터를 토대로, 측위를 위한 상태 변수를 설정하고, 설정된 상태 변수를 토대로 현재 상태에 대한 예측값 및 오차 공분산 예측값을 산출하는 예측 과정을 수행하고, 상기 예측 과정에서 획득한 상태 예측값 및 오차 공분산 예측값을 측정값과 예측값의 차이로써 보상하여 측위를 위한 새로운 추정값을 획득하는 교정 과정을 수행하여, 측위를 위한 데이터를 획득하는 밀결합 측위 처리부를 포함한다.

상기 제1 관측 데이터는 방위각 정보이고, 상기 제2 관측 데이터는 보행자 위치 정보를 포함하며, 위치 정보는 x좌표 및 y 좌표로 이루어지며, 상기 제3 관측 데이터는 보폭을 포함할 수 있다. 상기 제3 관측 데이터는 스텝별 순간 속도를 포함하며, 스텝별 순간 속도는 k번째 스텝의 보폭과 k번째 스텝의 소요시간 △를 토대로 산출되고, k번째 스텝의 소요시간 △는 출발시부터 시각 k까지의 총 소요시간을 가속도계가 검출한 스텝의 갯수로 나누어서 도출될 수 있다.

상기 밀결합 측위 처리부는 상기 제1 내지 제3 관측 데이터를 토대로 상기 예측 과정 및 교정 과정의 수행에 따라 획득한 이전 단계의 새로운 상태 추정값을 토대로 상기 상태 변수를 설정하는 변수 설정부; 상기 상태 변수를 토대로 현재 상태를 예측하여 상태 예측값을 획득하는 제1 예측 처리부; 현재 상태에 해당하는 오차 공분산을 예측하여 오차 공분산 예측값을 획득하는 제2 예측 처리부; 및 상기 상태 예측값을 토대로 관측 데이터에 대한 추정값인 예측 측정값을 획득하는 추정값 산출부를 포함할 수 있다.

상기 밀결합 측위 처리부는 상기 오차 공분산 예측값과 실제 관측 노이즈를 토대로 이득을 산출하는 이득 산출부; 상기 산출된 이득, 실제 측정값과 예측 측정값의 차이를 토대로 상태 예측값을 보정하여 새로운 추정값을 획득하는 추정값 보정부; 상기 산출된 이득을 토대로 상기 오차 공분산 예측값을 보정하여 교정된 오차 공분산을 획득하는 오차 산출부를 더 포함할 수 있다.

본 발명의 실시 예에 의하면, 관성 센서 등을 이용하는 상대 측위 시스템에서 발생되는 오차 누적 문제를 해소하여, 정확한 측위 결과를 제공할 수 있으며, 또한 측위 결과의 정확도를 안정적으로 보장할 수 있다.

도 1은 파원과 관측자가 상대 운동하고 있는 경우의 도플러 효과를 나타낸 예시도이다.
도 2는 실내 무선 환경에서의 도플러 효과의 영향을 나타낸 예시도이다.
도 3은 칼만 필터 알고리즘의 전체적 동작을 나타내는 개념도이다.
도 4 및 도 5는 본 발명의 실시 예에 따른 밀결합 측위 장치의 구조를 나타낸 도이다.
도 6은 본 발명의 실시 예에 따른 밀결합 측위 방법의 흐름도이다.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.

그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 '포함'한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.

이하, 본 발명의 실시 예에 따른 추측 항법 시스템에서의 밀결합 측위 방법 및 그 장치에 대하여 설명한다.

측위 시스템은 상대측위 시스템과 절대측위 시스템으로 대별되는데, 측위 결과의 정확도를 개선하기 위해서 상대 측위 시스템에 의한 측위 결과에 대하여, 절대 측위 시스템에 의한 관측 데이터에 기반한 주기적인 측위 결과의 보정/ 캘리브레이션(Calibration) 작업이 필수적으로 요구된다.

절대측위 시스템으로서는 대표적으로 실외 영역에서 네비게이션에 장착되는 위성항법 시스템(Global Navigation Satellite System, GNSS)을 들 수 있다. 위성 항법 시스템은 지구를 도는 인공 위성의 네트워크 정보를 이용해 지상에 있는 목표물의 위치와 고도, 속도를 알아내는 장치이며, 대표적 시스템이 GPS (global positioning system)이다.

GPS에서는 모두 24개의 인공 위성에서 발신하는 전파(마이크로파)를 수신자의 수신기에서 수신하여 수신기의 위치를 결정한다. 24개의 GPS 인공 위성이 하루에 두 번씩 지구 둘레를 돌며 지구상의 수백만 개 GPS 단말기에 예를 들어, 1초마다 위치값을 송신하고 있다. 인공 위성들은 약 2만㎞ 상공의 6개 회전 궤도 상에 각 60도마다 4개가 배치되어 일정한 간격을 두고 돌고 있다. 이는 지구가 평면이 아니라 둥근 입체 모양이어서 위치 하나를 찾기 위해서는 4개의 GPS 위성이 필요하기 때문이다.

원래 군사 프로젝트로 시작했던 GPS는 상업적 서비스 혹은 과학 연구에서 추적 및 감시를 위한 유용한 도구로서 널리 활용되고 있으며, GPS의 정확한 시각은 시각 동기 및 핸드오프 전환을 가능케 함으로써 금융, 이동통신망 운영, 심지어 전력망 제어와 같은 일상 활동에도 요긴하게 이용되고 있다.

이러한 위성항법 시스템의 수신기는 위성으로부터 수신한 항법 메시지를 통해 GNSS 위성의 위치와 GNSS 위성의 시계를 확인하고, 반송파에 실려 보내진 코드를 감지하여 위성 신호가 수신기까지 걸린 시간을 구하여 전파의 속도를 곱해 GNSS 위성과 수신기간의 거리를 구한다. 하지만 전파 전파 환경, GNSS 수신기에 내장된 시계의 오차, 수신기 내부 오차 등으로 인해 이렇게 구한 거리는 실제 거리가 아닌 의사거리이다.

GNSS 수신기의 좌표를 [x, y, z], 시간 편향을 b, i번째 GNSS 위성의 좌표를 [xi, yi, zi]라 할 때, i번째 위성과 수신기와의 의사거리는 다음 식으로 나타낼 수 있다.

여기서 c는 전파의 속도(빛의 속도)를 나타낸다.

GNSS 수신기의 좌표를 구하기 위해서는 [x, y, z, b] 네 개의 미지수를 알아야 하므로 네 개의 방정식이 필요하다. 따라서 적어도 네 개의 GNSS 위성으로부터 위성신호를 수신해야 한다.

다른 절대 측위 시스템으로서 도플러 레이더(Doppler Radar)를 들 수 있다. 도플러 레이더는　도플러 효과를 이용하여 멀리 떨어져 있는 물체의 빠르기 데이터를 만들어내는 특수　레이더이다. 도플러 레이더는　마이크로파　신호를 표적에 맞추어 그로부터의 반사파를 측정한 뒤, 되돌아온 신호의 주파수가 물체의 움직임에 의해 얼마나 변화되었는지를 분석한다.

도플러 레이더에 의해 단말의 속도를 감지하는 원리는 다음과 같이 도플러 효과를 통해 설명될 수 있다.

채널내에서 송신기와 수신기가 상대적으로 이동하는 경우에, 수신기는 송신기가 송신한 신호의 주파수로부터 약간 달라진 주파수의 신호를 수신하는 현상을 경험하게 된다. 동일한 원리에서 유래하는 일상 생활의 경험으로는, 사이렌을 울리면서 차가 다가올 때에는 소리가 높게 들리다가 차가 관측자 앞을 지나쳐 멀어지면 소리도 낮게 들리는 현상을 들 수 있다. 이러한 현상이 발생하는 원리는 다음과 같이 설명할 수 있다.

일반적으로 파원과 관측자가 상대 운동하고 있을 때 서로 가까워지는 경우에는 파원의 실제 진동수보다 더 큰 진동수(고음)로 들리고 서로 멀어지는 경우에는 실제 진동수보다 더 작은 진동수(저음)로 들린다. 이와 같이, 파원과 관측자의 상대적 운동에 의하여 관측되는 진동수가 달라지는 현상을 도플러 효과(Doppler Effect)라고 한다. 이 현상은 음파뿐만 아니라 광파(빛) 등 모든 파동에 대하여 나타난다.

파원과 관측자가 상대 운동하고 있는 상황에서, 소리의 속력을 V, 음원의 속력을 v, 음원의 진동수를 f₀, 관측자가 듣는 소리의 진동수를 f라고 하고, 관측자 O가 음원 S에서 속력 u로 멀어지는 경우를 생각해 본다.

도 1은 파원과 관측자가 상대 운동하고 있는 경우의 도플러 효과를 나타낸 예시도이다.

파원에서 관측자 방향을 (+)로 하면 위의 두 식에서 관측자가 듣는 진동수 f는 다음과 같이 나타낼 수 있다.

여기서, ｕ, ｖ는 +V 방향에 대해 반대일 때 (-) 부호를 넣어 윗식에 대입하여 사용하면 된다.

이러한 도플러 효과의 영향을 실내 무선통신 환경에서 검토해 보기로 한다.

도 2는 실내 무선 환경에서의 도플러 효과의 영향을 나타낸 예시도이다.

도 2에서와 같이, Wi-Fi에 의한 전자파 등 일반적인 파동의 경우에 파동의 속도를

, 파원(Source)의 속도를

, 관측자(Observer)의 속도를

라고 하면, 위의 수학식 2에 따라 수신된 파동의 주파수는 다음과 같이 나타낼 수 있다.

전자파의 경우에도 위의 수학식 3이 그대로 적용되는데, 이 경우

이고

이므로, 다음과 같이 식이 성립된다.

따라서, 도플러 쉬프트 량

는 다음과 같이 나타낼 수 있다.

위의 수학식 5로부터 실내 무선통신 환경에서 도플러 쉬프트의 영향은 캐리어 주파수

및 관측자(단말)의 속도((광속으로 노말라이즈(normalize)한 속도임)의 곱에 비례한다는 사실을 알 수 있다. 이러한 원리에 기반하여 단말의 속도를 감지해 내는 장치가 도플러 수신 장치이다.

위의 도플러 쉬프트량에 대한 수학식 5에 의하면, 도플러 쉬프트량은 반송파(carrier) 주파수에 의존적인 것을 알 수 있다.

관성 항법 시스템과 도플러 레이더는 1950년대 이후 주로 비행체 및 잠수함의 항법 시스템으로 적용되어 왔다. 전술한 바와 같이 추측 항법 시스템은 단거리 추적에 있어서는 높은 정밀도를 자랑하나, 장거리 추적시에는 드리프트 문제에 의해 정밀도가 현저히 떨어지게 된다. 반면에, 도플러 레이더는 상대적으로 정밀도가 떨어지기는 하나 장거리 추적시의 드리프트 문제가 없으므로, 양 측위 시스템을 결합적으로 사용함으로써 장거리 추적시의 드리프트 문제를 극복하고 정밀도가 높은 측위 솔루션을 제공할 수 있게 된다.

이와 같이 고성능의 측위 솔루션을 제공하기 위하여 전혀 다른 종류의 측위 시스템을 상호 보완적으로 결합하여 효과적으로 사용하는 방식을 보통 밀결합(Tightly-Coupled)에 의한 측위라고 한다. 전통적으로 이러한 밀결합 방식의 측위 솔루션을 구현하는데 주로 동원되는 도구가 칼만필터(Kalman Filter) 혹은 그 변형인 확장 칼만필터(Extended Kalman Filter)이다.

이하에서 칼만 필터(Kalman Filter)에 대해 설명하기로 한다.

칼만 필터(Kalman Filter)는 노이즈(Noise)가 포함되어 있는 관측 데이터로부터 선형 시스템의 상태를 추적하는 재귀형의(Recursive) 필터로서 루돌프 칼만(Rudolf E. Kalman)에 의해 1960년대 초에 개발된 이래 아폴로 우주선의 궤도 추정 문제에 적용된 바 있고, 이후에 컴퓨터 비젼, 로봇, 레이더, 로켓, 위성, 미사일, 제어 등의 공학 분야에 광범위하게 이용될 뿐 아니라 주식, 계량 경제학, 날씨 예측, 인구 예측 등의 사회과학 분야에도 활용되고 있다. 칼만 필터는 과거의 측정 데이터와 새로운 측정 데이터를 사용하여 데이터에 포함된 노이즈를 제거시킴으로써 새로운 결과를 추정(Estimate)하는 데 사용되는 알고리즘으로 선형 시스템에 재귀적으로 동작한다. 이것은 우리가 어떤 대상으로부터 얻는 측정 데이터에는 불확실성 정보(Noise)가 포함되어 있는데, 이 불확실성을 정수기의 필터가 불순물을 걸러내듯이 필터링하는 동작으로 이해할 수 있다. 즉, 노이즈(가우시안(Gaussian) 분포를 갖는)를 포함하는 측정 데이터나 신호로부터 원하는 신호나 정보를 골라내는 알고리즘으로서 확률에 기반한 예측 시스템이다.

자연계의 움직임은 물리적 법칙의 지배를 받기 때문에 어느 정도 예측이 가능한데, 누적된 과거 데이터와 현재 얻을 수 있는 최선의 데이터로 현 상태를 추정하고자 하는 수요는 자연 현상이나 사회 현상의 도처에서 발생하며, 이러한 관점에서 미사일 추적이나 주식의 흐름은 매우 유사한 속성을 갖는다.

실제 응용에 있어서는 시스템이 비선형이고 노이즈도 가우시안이 아닌 경우가 많으므로 칼만 필터의 변형된 형태가 요구되는데, 확장 칼만 필터(Extended Kalman Filter)가 가장 많이 사용된다. 확장 칼만 필터는 선형화된 칼만 필터와 유사하나, 선형화하는 기준점을 계속 갱신해 나간다는 특징을 갖는다.

자연계의 신호는 영상, 음성, 좌표, 압력 등 다양한 형태를 취하는데 센서를 거치면서 센서 자체에 의한 물성적 노이즈가 첨가되는 경우가 대부분으로, 통상 필터로 제거된다.

칼만 필터는 비행체의 위치 제어, 네비게이션이나 영상 처리 등의 여러 분야에서 각 시스템의 작동 중에 필수적으로 요구되는 주요 변수(비행체의 자세, 이동체의 위치, Tracking하는 객체의 위치 등)를 예측하는데 사용되는 도구이다. 칼만 필터가 추출된 신호에서 노이즈를 제거하기 위해서는 모델링하려는 프로세스가 선형 시스템으로 기술이 가능해야 한다.

선형 시스템은 일반적으로 다음 2개의 수식으로 표현된다:

프로세스/시스템 모델은 아래 수학식 6으로 표현된다.

여기서, X_k는 시각 k에서 칼만 필터의 상태(State) 변수를 나타내고,

는 상태 천이(state transition) 행렬을 나타내며, V_k는 시간 k에서의 프로세스 노이즈(process noise)를 나타낸다.

관측/센서 모델은 다음과 같이 나타낼 수 있다.

여기서,

는 관측 행렬을 나타내며, W_k는 시각 t에서의 관측/센서 노이즈(measurement/sensor noise)를 나타낸다. Z_k는 센서 등을 이용해서 측정된 값을 나타낸다.

프로세스/시스템 모델은 시스템의 전반적인 동작을 기술하며, 상태 방정식이라고도 한다. 관측/센서 모델은 시스템 신호 중 측정 가능한 값을 표현하며, 출력 방정식이라고도 한다. X_k는 시스템의 상태(State)를 나타내는 벡터이고 Z_k는 센서 등을 이용해서 측정된 값을 의미한다. 그리고, V_k, W_k는 노이즈(오차)로서 특히 V_k는 프로세스 노이즈, W_k는 관측/센서 노이즈라고 하는데, 칼만 필터에서 가장 중요한 것이 이 노이즈이다.

우선, 프로세스 상태 벡터인 X_k의 경우 시스템의 현재 상태에 대한 모든 정보(ex. 비행체의 위치 정보, 각도 등)를 나타내는데, 중요한 것은 이 상태 변수는 직접적으로 측정할 수 없다는 점이다. 대신에, 관측/센서 노이즈 W_k에 의해 어느 정도 값이 흐트러진 Z_k를 측정하게 된다. 이 측정된 Z_k를 이용해서 거꾸로 X_k를 계산해 낼 수 있다. 그러나, 이 관측치 Z_k는 관측/센서 노이즈 W_k에 의해 값이 변형된 상태이기 때문에 그대로 값을 사용할 수 없다. 모든 센서는 기본적으로 오차를 내포하므로, 시스템의 상태(State) X_k를 정확하게 예측하기 위한 도구로서 필요한 것이 바로 칼만 필터이다.

칼만 필터의 전체적 동작은 측정값으로부터 추정값을 추출해 내는 것으로 요약할 수 있다.

시스템 모델을 기초로 다음 스텝에서 상태와 오차 공분산을 예측하고(예측 과정, Prediction), 이렇게 구한 예측값과 측정값의 차이를 보상해서 새로운 추정값을 계산한다(교정 과정, Correction).

칼만 필터의 알고리즘은 도 3과 같이 위의 2단계의 동작이 순환적으로 맞물려 돌아가도록 구성된다.

도 3은 칼만 필터 알고리듬의 전체적 동작을 나타내는 개념도이다.

첨부한 도 3에서,

이전 상태, K는 Kalman 이득(Gain)이고, P는 추정오차 공분산 행렬, ^는 상태변수를 예측한다는 것을 나타낸다. 그리고, X^θ는 현 상태에 대한 교정 직전의 예측값으로서, ^θ는 이전 상태(정확히는, 아래 첨자 _k+1|k와 동일한 의미)를 의미하며,

의

는 현 상태에 대한 교정 직후의 예측값(정확히는, 아래 첨자 _k+1|k+1과 동일한 의미)을 의미한다. 그리고, Q는 예측 노이즈 공분산, R은 관측 노이즈 공분산을 나타낸다.

초기에 X와 P를 초기 예측이 제공되어야 한다.

(1) 예측 단계(시간 갱신): 이전 데이터를 근거로 예측

1) 이전 상태벡터

에 F를 곱하고 시스템입력 U_k를 더하여 구한 x^θ는 순수한 상태 예측값이다.

2) 오차 보정을 위해 수행하는 단계로 수집된 자료를 기반으로 어느 정도의 보정을 할 건지를 결정한다(프로세스 노이즈 예측).

(2) 교정 단계(관측 갱신) : 새로운 측정값으로 교정

1) 칼만 이득(Gain)을 구한다.

(프로세스 노이즈(예측 오차분)와 관측 노이즈(실측 오차분)를 이용하여 계산)

2) 관측/센서 노이즈 W_k를 추가하여 현재의 상태벡터

를 구한다.

3) 예측 오류인 추정오차 공분산 P를 구한다.

이러한 칼만 필터를 기반으로 본 발명의 실시 예에서는 밀결합의 측위를 수행한다.

본 발명의 실시 예에서는 절대 측위 시스템에 의한 관측 데이터에 기반하여 주기적으로 상대 측위 시스템에 의한 측위 결과를 보정/캘리브레이션 (Calibration)해 주기 위한 밀결합의 측위를 수행한다.

관성 센서 등을 이용한 상대 측위 시스템에 보편적으로 나타나는 오차의 누적 현상을 극복하고 측위 결과의 정확도를 개선하기 위하여 절대 측위 시스템에 의한 관측 데이터를 토대로 상대 측위 시스템에 의한 위 결과를 보정하며, 상대 측위 시스템의 오차적 특성에 의한 영향을 제거하여 캘리브레이션 (Calibration)해 주기 위한 수단으로서 위성 항법 시스템에 의한 위치 측정치와 도플러 수신 장치에 의한 속도 측정치를 이용하여 밀결합 측위를 수행한다.

자이로스코프(Gyroscope) 등의 관성센서는 기준점 대비 상대적인 이동 정보를 측정하는 상대 측위 수단이고 시간에 따른 오차누적 특성을 가지고 있는 반면에, 위성 항법 시스템과 도플러 수신 장치는 모두 절대적인 위치/속도를 관측하는 절대 측위 수단으로, 양 측위 수단의 강점만을 취하여 상호 보완적으로 밀결합하여 측위를 수행한다. 위성 항법 시스템은 주로 실외에서 유용한 캘리브레이션용 측위 수단으로 기능하며, 도플러 수신 장치는 위성 항법 신호가 실내에서는 접근이 불가능함에 따른 실내 캘리브레이션용 측위 수단으로서 기능할 수 있다.

본 발명의 실시 예에 따른 측위 장치 즉, 밀결합 측위 시스템은 보행자의 보폭이 일정하다는 가정을 토대로 시스템 모델을 구축한다. 측정 및 업데이트(measurement update) 단계에서 칼만 필터가 속도 성분의 추정치를 실제 관측치에 근접시켜 가므로, 위와 같은 가정을 토대로 시스템 모델을 구축할 수 있다.

밀결합 측위 시스템은 각종 측위 자원으로부터 관측 데이터를 제공받을 수 있는데, 특히, 관성 센서로부터의 관측 데이터, 도플러 수신 장치로부터의 관측 데이터, 그리고 위성 항법 시스템의 GPS 수신 장치로부터의 관측 데이터를 제공받아서 측위를 수행한다.

관성 센서로는 자이로스코프, 가속도계 등 다양한 센서들이 포함될 수 있으며, 여기서는 자이로스코프를 이용한 것을 예로 들지만, 본 발명은 이에 한정되는 것은 아니다.

관성 센서는 특정 위치를 기준점으로 한 단말의 상대적인 이동 정보를 측정하여 제공하는 상대 측위 수단으로서 기능한다. 관성 센서로부터 제공되는 관측 데이터를 설명의 편의상 제1 관측 데이터라고 한다.

한편, 위성 항법 시스템에서 사용되는 GPS 수신 장치와, 도플러 효과를 이용한 도플러 수신 장치는 모두 절대적인 위치/속도를 관측하는 절대 측위 수단이며, GPS 수신 장치는 실외에서의 캘리브레이션 수단으로 기능하고, 도플러 수신 장치는 실내에서의 캘리브레이션 수단으로 기능한다. 설명의 편의상, GPS 수신 장치로부터 제공되는 관측 데이터를 제2 관측 데이터라고 하고, 도플러 수신 장치로부터 제공되는 관측 데이터를 제3 관측 데이터라고 한다.

제1 관측 데이터는 방위각 정보를 포함하며, 보행자 진행 방향의 방위각(Orientation)을 나타낸다. 제2 관측 데이터는 보행자 위치 정보를 포함하며, 위치 정보는 x좌표 및 y 좌표로 이루어진다. 제3 관측 데이터는 보폭을 포함하며, 스텝별 순간 속도를 포함한다. 스텝별 순간 속도는 k번째 스텝의 보폭과 k번째 스텝의 소요시간 △를 토대로 산출된다. 여기서 k번째 스텝의 소요시간 △는 출발시부터 시각 k까지의 총 소요시간을 가속도계가 검출한 스텝의 갯수로 나눔으로써 도출될 수 있다.

이러한 제1 내지 제3 관측 데이터를 토대로 밀결합의 측위를 수행하는데, 이를 위하여, 본 발명의 실시 예에서는 칼만 필터를 사용한다. 그러나 이에 한정되지 않으며, 예를 들어, 확장 칼만 필터(Extended Kalman Filter)가 사용될 수 있다.

칼만 필터를 기반으로 한 본 발명의 실시 예에서, 측정값으로부터 추정값을 추출하기 위하여, 예측(Prediction) 과정과, 교정(Correction) 과정을 수행하며, 예측 과정과 교정 과정을 반복적으로 수행한다.

예측 과정에서는 시스템 모델을 토대로, 이전 단계에서 추정된 상태를 토대로 소정 입력을 가했을 때의 예측되는 상태와 오차 공분산을 계산한다. 그리고 교정 과정에서는 예측 과정에서 획득한 예측값과 측정값의 차이를 보상해서 새로운 추정값을 계산한다.

먼저, 시각 k에서 칼만 필터의 상태 변수 X_k를 다음과 같이 설정한다.

여기서, x_k는 보행자 위치를 나타내는 제2 관측 데이터의 x 좌표를 나타내며, y_k는 보행자 위치를 나타내는 제2 관측 데이터의 y 좌표를 나타낸다. s_k는 제3 관측 데이터에 해당하는 보행자의 보폭을 나타내며, Ψ_k는 제1 관측 데이터에 해당하는 보행자 진행 방향의 방위각(Orientation)을 나타낸다. 방위각은 양의 x축으로부터 반시계 방향으로 측정된 각도를 나타낸다. 이러한 방위각은 자이로스코프 또는 지자계 센서를 통해 검출되어 제공될 수 있다.

측정값 즉, 제1 내지 제3 관측 데이터들을 토대로 추정값 즉, 상태 변수 X_k를 위와 같이 설정한 다음에, 시스템 모델을 토대로 다음 상태와 오차 공분산(covariance)을 예측한다.

위의 수학식 6을 토대로, 다음 상태는 다음과 같이 예측할 수 있다.

여기서

는 이전 상태 벡터를 나타내며,

는 상태 변수를 예측하는 것을 나타낸다. x^θ는 현재 상태에 대한 예측값으로, 순수한 상태 예측값 즉, 본 발명의 실시 예에 따른 교정 과정이 수행되기 전의 예측값을 나타낸다. ^θ는 이전 상태( k+1|k와 동일한 상태)를 나타낸다.

이러한 시스템 모델 관련된 수학식 9를 토대로, 시스템 입력 U_k= 0으로 두면, 다음 상태의 변수

와 같이 나타낼 수 있다. 이러한 상태 변수의 천이를 수식으로 표현하면 다음과 같다.

그리고 위의 상태 천이 관계식인 수학식 10을 행렬식으로 표현하면 다음과 같다.

여기서,

는 상태 천이(state transition) 행렬을 나타낸다.

한편 예측되는 오차 공분산은 다음과 같이 나타낼 수 있다.

은 현재 상태에서 예측된 오차 공분산을 나타내며, Q는 예측 노이즈 공분산을 나타낸다.

그리고 현재 상태 예측값 x^θ과 측정값은 다음과 같은 관계로 이루어진다.

여기서,

는 현재 상태 예측값을 토대로 예측된 측정값을 나타내며, 예측 측정값 즉, 추정값이라고 명명할 수 있다.

한편 수학식 7에 따른 관측 모델을 토대로, 제1 내지 제3 관측 데이터들을 토대로 한 상태 변수 X_k와 측정값 Z_k의 관계를 행렬식으로 나타내면 다음과 같다.

여기서

는, 제2 관측 데이터인 x좌표의 시각 t에서의 관측/센서 노이즈를 나타내고,

는 제2 관측 데이터인 y좌표의 시각 t에서의 관측/센서 노이즈를 나타내고,

는 제3 관측 데이터인 보폭의 시작 t에서의 관측/센서 노이즈를 나타내며,

는 제1 관측 데이터인 방위각의 시작 t에서의 관측/센서 노이즈를 나타낸다. 그리고 △는 k번째 스텝의 소요시간을 나타낸다.

이와 같이, 위성 항법 장치 및 도플러 수신 장치 그리고, 관성 센서로부터 수집된 데이터들을 기반으로 현재 상태를 예측하고, 이를 토대로 어느 정도로 보정을 할 것인지를 결정하기 위한 프로세스 노이즈(오차 공분산 예측값)를 예측한다.

이후, 위의 예측 과정에서 획득한 상태 예측값, 오차 공분산 예측값, 예측 측정값(추정값)을 토대로, 교정 과정을 수행한다.

먼저, 칼만 이득 K를 산출한다. 칼만 이득은 예측값과 실제 측정값 사이의 오차를 이용하는 것으로 프로세스 노이즈와 관측 노이즈를 토대로 산출된다. 관측 노이즈는 실측 오차분을 나타내며, 프로세스 노이즈는 예측 오차분을 나타낸다.

여기서,

은 프로세스 노이즈 즉, 위의 예측 과정에서 획득한 오차 공분산 예측값을 나타내며, R은 관측 노이즈 즉, 관측 노이즈 공분산을 나타낸다.

그리고 관측/센서 노이즈 W_k를 추가하여 현재의 상태 벡터

를 산출한다.

여기서,

는 현 상태에 대한 교정 직후의 예측값을 나타낸다. 위의 예측 과정에서

는

를 나타내며,

는

를 나타낸다.

이와 같이, 칼만 이득과, 실제 측정값과 예측 측정값의 차이(

) 그리고, 예측 과정에서 획득한 상태 예측값을 토대로, 보정된 상태 예측값

를 획득한다. 이후 보정된 상태 예측값

을 토대로 한 측위가 이루어질 수 있다.

그리고 칼만 이득을 토대로, 예측 오류인 추정 오차 공분산을 산출한다.

이와 같이 절대 측위 시스템에 의한 제1 관측 데이터와, 상대 측위 시스템에 의한 측위 결과인 제2 및 제3 관측 데이터를 위에 기술된 바와 같이, 예측 과정 및 교정 과정을 통하여 보정/캘리브레이션(Calibration)하여, 보다 정확한 측위 결과를 얻을 수 있다.

가속도계, 자이로스코프 등을 포함하는 관성센서에 의한 측정치에는 항상 시스템 바이어스(Systematic Bias) 성분이 포함되어 있다. 예를 들어, 자이로스코프에 의한 각속도는 적분해야만 비로소 회전 각도로서 유용한 측위 정보를 제공하는데, 이러한 과정에서 시스템 바이어스 성분에 의한 기여가 항시적으로 개입된다. 시스템 바이어스 성분은 가속도계의 경우에는 가속도계가 전혀 가속을 겪고 있지 않은 등속 운동의 경우에도 시간적인 평균값이 0이 되지 않고 나타내는 일정한 상수값을 말하며, 자이로스코프의 경우에는 자이로스코프가 전혀 회전을 겪고 있지 않은 경우에도 시간적인 평균값이 0이 되지 않고 나타내는 일정한 상수값을 의미한다. 따라서 가속도계나 자이로스코프의 측정치로부터 간접적으로 얻어진 측위 정보에 시간이 지남에 따라 오차가 계속적으로 누적되어 나타난다.

관성 센서의 이러한 시스템 바이어스는 그 영향을 완화시킬 수는 있으나 결코 완벽하게 제거할 수는 없는 것으로 알려져 있다. 그러나 본 발명의 실시 예에 따라 위와 같이 밀결합 측위 방법에 따라 측위가 수행될 경우, 관성 센서 등의 상대 측위 시스템에 고질적으로 나타나는 오차의 누적 문제를 극복하여 정확한 측위 결과를 제공할 수 있다.

도 4 및 도 5는 본 발명의 실시 예에 따른 밀결합 측위 장치의 구조를 나타낸 도이다.

첨부한 도 4에서와 같이, 본 발명의 실시 예에 따른 밀결합 측위 장치(1)는 상대 측위 장치인 관성 센서(2)로부터 제1 관측 데이터를 제공받으며, 특히, 절대 측위 장치인 위성 항법 장치(4)로부터 제2 관측 데이터를 제공받고, 도플러 수신 장치(3)로부터 제3 관측 데이터를 제공받는다.

이를 위하여, 밀결합 측위 장치(1)는 도 5에서와 같이, 관성 센서(2)로부터 제1 관측 데이터를 입력받는 제1 입력부(11), 위성 항법 장치(4)로부터 제2 관측 데이터를 입력받는 제2 입력부(12), 도플러 수신 장치(3)로부터 제3 관측 데이터를 입력받는 제3 입력부(13), 그리고 제1 내지 제3 관측 데이터를 토대로 밀결합 측위를 수행하는 밀결합 측위 처리부(14)를 포함한다.

밀결합 측위 처리부(14)는 제1 내지 제3 관측 데이터를 토대로 상태 예측을 위한 상태 변수를 설정하는 변수 설정부(141), 설정된 상태 변수를 토대로 현재 상태를 예측하여 상태 예측값을 출력하는 제1 예측 처리부(142), 현재 상태에 해당하는 오차 공분산을 예측하는 제2 예측 처리부(143), 상태 예측값을 토대로 관측 데이터에 대한 추정값인 예측 측정값을 산출하는 추정값 산출부(144)를 포함하며, 이외에도, 예측된 오차 공분산과 실제 관측 노이즈를 토대로 이득(예를 들어, 칼만 이득)을 산출하는 이득 산출부(145), 그리고 산출된 이득, 실제 측정값과 예측 측정값의 차이를 토대로 상태 예측값을 보정하여 새로운 예측값 즉, 추정값을 산출하는 추정값 보정부(146), 그리고 산출된 이득을 토대로 예측된 오차 공분산을 보정하여 교정된 오차 공분산을 획득하는 오차 산출부(147)를 포함한다. 추정값 보정부(146)에서 출력되는 추정값들은 이후 측위를 위한 데이터로서 사용된다.

도 6은 본 발명의 실시 예에 따른 밀결합 측위 방법의 흐름도이다.

도 6에서와 같이, 본 발명의 실시 예에 따른 밀결합 측위 장치(1)는 관성 센서(2), 위성 항법 장치(4) 그리고 도플러 수신 장치(3)로부터 측위를 위한 데이터를 제공받는다.

즉, 제1 입력부(11)는 관성 센서(2)로부터 제1 관측 데이터 즉, 방위각 정보를 제공받으며(S100), 제2 입력부(12)는 위성 항법 장치(4)로부터 제2 관측 데이터 즉, 보행자 위치 정보(x, y)를 제공받는다(S110). 그리고 제3 입력부(13)는 도플러 수신 장치(3)로부터 제3 관측 데이터 즉, 보행자의 보폭을 제공받는다(S120). 제3 관측 데이터는 스텝별 순간 속도를 포함하며, 스텝별 순간 속도는 k번째 스텝의 보폭과 k번째 스텝의 소요시간 △를 토대로 산출될 수 있다.

이후, 밀결합 측위 처리부(14)는 제1 내지 제3 관측 데이터를 토대로 위에 기술된 수학식 8과 같이 상태 변수를 설정한다(S130).

다음, 밀결합 측위 처리부(14)는 설정된 상태 변수를 토대로 현재 상태를 예측하여 상태 예측값을 획득한다(S140). 그리고 현재 상태에 해당하는 오차 공분산을 예측하여 오차 공분산 예측값을 획득하고, 상태 예측값을 토대로 관측 데이터에 대한 추정값인 예측 측정값을 획득한다(S150). 이러한 단계들(S130~S150)이 예측 과정에 해당된다.

예측 과정이 종료된 다음에, 밀결합 측위 처리부(14)는 교정 과정을 수행한다. 구체적으로, 밀결합 측위 처리부(14)는 오차 공분산 예측값과 실제 관측 노이즈를 토대로 이득(칼만 이득)을 산출하고(S160), 산출된 이득, 실제 측정값과 예측 측정값의 차이를 토대로 상태 예측값을 보정하여 교정된 예측값(추정값)을 획득한다(S170). 여기서 실제 측정값은 관측된(센서로부터 획득된) 데이터 즉, 제1 내지 제3 입력부(11~13)에서 제공받은 관측 데이터들을 토대로 구성된다.

한편, 산출된 이득을 토대로 예측된 오차 공분산을 보정하여 교정된 오차 공분산을

획득할 수 있다(S180). 이러한 단계들(S160~S180)이 교정 과정에 해당된다.

위의 예측 과정 및 교정 과정은 각 단계의 동작이 순환적으로 맞물려 돌아가도록 수행된다.

이러한 본 발명의 실시 예에 따르면 상대 측위 시스템에 의한 제1 관측 데이터를 절대 측위 시스템에 의한 측위 결과인 제2 관측 데이터 및 제3 관측 데이터로써 보정/캘리브레이션(Calibration)하여, 보다 정확한 측위 데이터를 획득할 수 있다.

본 발명의 실시 예는 이상에서 설명한 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.

이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리 범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 사업자의 여러 변형 및 개량 형태 또한 본 발명의 권리 범위에 속하는 것이다.

Claims

관성 센서로부터의 제1 관측 데이터, 위성 항법 장치로부터의 제2 관측 데이터, 그리고 도플러 수신 장치로부터의 제3 관측 데이터를 토대로, 측위를 위한 상태 변수를 설정하는 단계;
상기 설정된 상태 변수를 토대로 현재 상태에 대한 제1 내지 제3 관측 데이터에 대한 상태 예측값 및 오차 공분산 예측값을 산출하는 예측 과정을 수행하는 단계; 및
상기 예측 과정에서 획득한 상태 예측값 및 오차 공분산 예측값을 측정값과 예측값의 차이로써 보상하여 측위를 위한 새로운 추정값을 획득하는 교정 과정을 수행하는 단계
를 포함하는, 밀결합 측위 방법.
제1항에 있어서
상기 제1 관측 데이터는 방위각 정보인, 밀결합 측위 방법.
제1항에 있어서
상기 제2 관측 데이터는 보행자 위치 정보를 포함하며, 위치 정보는 x좌표 및 y 좌표로 이루어지는, 밀결합 측위 방법.
제1항에 있어서
상기 제3 관측 데이터는 보폭을 포함하는, 밀결합 측위 방법.
제4항에 있어서
상기 제3 관측 데이터는 스텝별 순간 속도를 포함하며, 스텝별 순간 속도는 k번째 스텝의 보폭과 k번째 스텝의 소요시간 △를 토대로 산출되고, k번째 스텝의 소요시간 △는 출발시부터 시각 k까지의 총 소요시간을 가속도계가 검출한 스텝의 갯수로 나누어서 도출되는, 밀결합 측위 방법.
제1항 내지 제5항 중 어느 한 항에 있어서
상기 예측 과정을 수행하는 단계는,
상기 상태 변수를 토대로 현재 상태를 예측하여 상태 예측값을 획득하는 단계;
현재 상태에 해당하는 오차 공분산을 예측하여 오차 공분산 예측값을 획득하는 단계; 및
상기 상태 예측값을 토대로 관측 데이터에 대한 추정값인 예측 측정값을 획득하는 단계
를 포함하는, 밀결합 측위 방법.
제6항에 있어서
상기 교정 과정을 수행하는 단계는,
상기 오차 공분산 예측값과 실제 관측 노이즈를 토대로 이득을 산출하는 단계;
상기 산출된 이득, 실제 측정값과 예측 측정값의 차이를 토대로 상태 예측값을 보정하여 새로운 추정값을 획득하는 단계; 및
상기 산출된 이득을 토대로 상기 오차 공분산 예측값을 보정하여 교정된 오차 공분산을 획득하는 단계
를 포함하는, 밀결합 측위 방법.
제7항에 있어서
상기 실제 측정값은 상기 관성 센서로부터의 제1 관측 데이터, 위성 항법 장치로부터의 제2 관측 데이터, 그리고 도플러 수신 장치로부터의 제3 관측 데이터인, 밀결합 측위 방법.
제7항에 있어서
상기 상태 변수를 설정하는 단계는
상기 제1 내지 제3 관측 데이터를 토대로 상기 예측 과정 및 교정 과정의 수행에 따라 획득한 이전 단계의 새로운 추정값을 토대로 상기 상태 변수를 설정하는, 밀결합 측위 방법.
제1항에 있어서
상기 예측 과정 및 교정 과정은 칼만 필터를 토대로 수행되는, 밀결합 측위 방법.
관성 센서로부터의 제1 관측 데이터를 제공받는 제1 입력부;
위성 항법 장치로부터의 제2 관측 데이터를 제공받는 제2 입력부;
도플러 수신 장치로부터의 제3 관측 데이터를 제공받는 제3 입력부; 및
상기 제1 내지 제3 관측 데이터를 토대로, 측위를 위한 상태 변수를 설정하고, 설정된 상태 변수를 토대로 현재 상태에 대한 예측값 및 오차 공분산 예측값을 산출하는 예측 과정을 수행하고, 상기 예측 과정에서 획득한 상태 예측값 및 오차 공분산 예측값을 측정값과 예측값의 차이로써 보상하여 측위를 위한 새로운 추정값을 획득하는 교정 과정을 수행하여, 측위를 위한 데이터를 획득하는 밀결합 측위 처리부
를 포함하는, 밀결합 측위 장치.
제11항에 있어서
상기 제1 관측 데이터는 방위각 정보이고, 상기 제2 관측 데이터는 보행자 위치 정보를 포함하며, 위치 정보는 x좌표 및 y 좌표로 이루어지며, 상기 제3 관측 데이터는 보폭을 포함하는, 밀결합 측위 장치.
제12항에 있어서
상기 제3 관측 데이터는 스텝별 순간 속도를 포함하며, 스텝별 순간 속도는 k번째 스텝의 보폭과 k번째 스텝의 소요시간 △를 토대로 산출되고, k번째 스텝의 소요시간 △는 출발시부터 시각 k까지의 총 소요시간을 가속도계가 검출한 스텝의 갯수로 나누어서 도출되는, 밀결합 측위 장치.
제11항에 있어서
상기 밀결합 측위 처리부는
상기 제1 내지 제3 관측 데이터를 토대로 상기 예측 과정 및 교정 과정의 수행에 따라 획득한 이전 단계의 새로운 상태 추정값을 토대로 상기 상태 변수를 설정하는 변수 설정부;
상기 상태 변수를 토대로 현재 상태를 예측하여 상태 예측값을 획득하는 제1 예측 처리부;
현재 상태에 해당하는 오차 공분산을 예측하여 오차 공분산 예측값을 획득하는 제2 예측 처리부; 및
상기 상태 예측값을 토대로 관측 데이터에 대한 추정값인 예측 측정값을 획득하는 추정값 산출부
를 포함하는, 밀결합 측위 장치.
제14항에 있어서
상기 밀결합 측위 처리부는
상기 오차 공분산 예측값과 실제 관측 노이즈를 토대로 이득을 산출하는 이득 산출부;
상기 산출된 이득, 실제 측정값과 예측 측정값의 차이를 토대로 상태 예측값을 보정하여 새로운 추정값을 획득하는 추정값 보정부;
상기 산출된 이득을 토대로 상기 오차 공분산 예측값을 보정하여 교정된 오차 공분산을 획득하는 오차 산출부
를 더 포함하는, 밀결합 측위 장치.