KR20180096605A - 측정 신호의 분산을 측정하는 방법, 데이터 융합 방법, 컴퓨터 프로그램, 기계 판독 가능한 저장 매체, 및 장치 - Google Patents

Abstract

본 발명은 측정 신호의 분산을 측정하는 방법(500)에 관한 것이며, 이 방법은 필터링된 측정 신호를 얻기 위해 고역 통과 필터(HP)에 의해 측정 신호를 필터링하는 단계(501); 및 상기 필터링된 측정 신호를 사용하여 상기 분산을 결정하는 단계(502)를 포함한다.

Description

측정 신호의 분산을 측정하는 방법, 데이터 융합 방법, 컴퓨터 프로그램, 기계 판독 가능한 저장 매체, 및 장치

본 발명은 측정 신호의 분산을 측정하는 방법 및 데이터 융합 방법에 관한 것이다. 또한, 본 발명은 컴퓨터 프로그램, 기계 판독 가능한 저장 매체 및 특히 위성 기반 네비게이션에 사용하기 위한 상응하는 장치에 관한 것이다.

미국 특허 제 7,209,938 B2 호에는 칼만 필터(Kalman filter)에 의한 필터 기술이 개시되어 있는데, 이 기술은 측정값의 분산에 대한 적응형 추정기(adaptive estimator)를 사용한다. 칼만 필터의 기술은 신호 필터링을 위한 메커니즘을 포함한다. 신호 필터링을 위한 상기 메카니즘은 칼만 필터 및 분산 추정기를 포함한다.

칼만 필터는 데이터 융합, 특히 관성 센서 및 GNSS를 이용한 내비게이션에 종종 사용된다. 이러한 통계 필터에는 모델 및 측정 변수 외에도 측정 데이터의 품질에 대한 정보가 측정 데이터의 분산 형태로 추가로 필요하다.

분산이 알려져 있지 않거나 변경 가능한 측정 신호의 경우, 분산을 조정하는 적응형 칼만 필터가 사용될 수 있다. 이를 위해 대개 칼만 필터의 상태가 사용되고, 복잡한 행렬 연산에 의해 분산이 추정된다.

본 발명의 과제는 잡음 파라미터, 특히 분산을 추정하는 것이다.

이러한 배경으로부터, 본 발명은 독립 청구항에 따른 잡음 파라미터, 특히 분산을 추정하는 방법을 제안한다.

본 방법은 전체 시스템의 더 양호하고 적응 가능한 필터 성능을 얻기 위해 런타임 동안 데이터 융합을 위한 칼만 필터의 측정 신호에 특히 적합하다.

이는 칼만 필터에 저장된 모델과 무관한 자원 효율적인 구현을 가능하게 한다.

따라서, 본 발명은 추정의 특성보다 측정의 특성을 더 갖는다.

본 발명의 핵심은 측정 신호 자체에 의해 칼만 필터의 측정 신호의 잡음, 특히 분산을 결정하는 것이다. 따라서 잡음의 결정은 잡음의 측정으로 간주되어야 한다. 이는, 잡음이 추정되며 저장된 모델에 의존하는 종래의 시스템에 비해 바람직하다.

본 발명에서는, 분산의 측정이 칼만 필터의 외부에서 수행되므로 칼만 필터에 내재된 고유의 관성에 의존하지 않는다는 것을 주목해야 한다. 따라서 측정 신호의 변화에 대한 신속한 적응이 가능하다. 또한, 일정한 입력 신호가 일정한 출력 신호를 더 신속히 유도하는 것이 바람직하다. 고역 통과 필터, 특히 디지털 고역 통과 필터를 사용해서 DC 성분, 따라서 실제 신호를 억제함으로써, 측정 신호의 분산을 결정하는 것이 제안된다.

차량에 이 방법을 사용할 때, 예를 들면 위성 기반 내비게이션 장치에 기초한 위치 결정에서, 본 발명은 그 장점을 나타낸다.

본 발명은 또한 하드웨어 리소스 비용을 줄인다.

이를 위해, 상기 방법은 다음 단계를 포함한다:

- 필터링된 측정 신호를 얻기 위해, 고역 통과 필터에 의해 측정 신호를 필터링하는 단계;

- 필터링된 측정 신호에 의해 분산을 결정하는 단계.

측정 신호는 여기서 임의의 측정 신호일 수 있다. 그러나 본 발명은 위성 기반 내비게이션 장치의 신호(GNSS 신호)와 관성 센서, 예를 들어 가속도 센서의 신호와의 데이터 융합에서 특히 양호한 결과가 달성될 수 있다는 인식으로부터 파생된다.

바람직한 실시 예에 따르면, 고역 통과 필터는 선형 위상 필터이다.

선형 위상 필터를 사용하면 모든 잡음 성분이 동일한 그룹 런타임을 갖는다.

이는 유한 임펄스 응답(FIR) 필터를 사용하여 특히 간단히 수행될 수 있다.

FIR 필터를 사용할 때, 고역 통과 필터의 계수가 측정 신호가 검출되는 샘플링 레이트에 의존하면, 분산 측정 결과가 크게 향상되는 것으로 나타났다.

측정 신호의 잡음이 주행 상태에 따라 상이할 수 있기 때문에, 이 방법에서는 필터 경로에서 가능한 짧은 그룹 런타임이 결정적이다.

따라서, 본 방법의 바람직한 실시 예에서, 고역 통과 필터의 그룹 런타임은 측정 태스크에 관련된 분산의 지연에 적응된다.

짧은 그룹 런타임은, 잡음의 변화가 새로운 분산으로 신속하게 바뀔 수 없어서 주행 상태들 간의 신속한 변동 시에 분산 결정이 부정확하게 한다.

특정 적용에서, 즉 GNSS 신호와 관성 센서, 예컨대 가속도 센서의 신호와의 데이터 융합에서, 50 ms 내지 100 ms 사이의 그룹 런타임이 바람직한 것으로 나타났다. 80 ms의 그룹 런타임이 바람직하다.

본 방법의 효율적인 실시 예에 따르면, 필터링 단계 후 제 2 필터링 단계가 수행되고, 제 2 필터링 단계에서 이전에 필터링된 측정 신호로부터 결정된 분산은 저역 통과 필터에 의해 필터링된다.

간단한 실시 예에 따르면, 저역 통과 필터, 특히 PT1 저역 통과 필터를 사용하여, 제곱 합의 평균값이 연속해서 형성될 수 있다. 이러한 단순화는, 이전의 고역 통과 필터에 의해 평균값이 0으로 가정될 때 제곱 합의 평균값이 분산에 직접 상응한다는 인식을 기반으로 한다.

필터의 차단 주파수는 측정 태스크에 관련된 정보가 신호에 포함되는 주파수를 따른다.

따라서, 본 방법의 일 실시 예에 따르면, 고역 통과 필터 또는 저역 통과 필터의 차단 주파수는 측정 태스크에 관련된 정보가 측정 신호에 포함되는 주파수를 따른다.

도로 차량의 주행 다이내믹 범위에서, 이는 차량의 차선(track) 수에 따라 약 3 Hz 내지 20 Hz, 특히 5 Hz 내지 20 Hz이다.

본 방법의 바람직한 실시 예에 따르면, 결정하는 단계에서, 분산은 연속하는 계산에 의해 또는 연속하는 평균값에 의해 또는 제곱 합의 연속하는 평균값에 의해 계산된다.

이는 고역 통과 필터링된 입력 신호로부터 분산을 계산하거나 측정하기 위한 간단한 구현 예이다.

연속하는 측정값 및 제곱 합의 연속하는 평균값에 의해 연속하는 계산을 하는 경우 측정 신호의 전체 이력을 얻기 위해서가 아니라 최종 주기를 고려하기 위해, 확장된 변형 예에 따라, 결정하는 단계에서 필터링의 제 3 단계가 수행되고, 이 단계에서 연속하는 평균 값이이 필터링된다.

결과적으로, 분산 계산 또는 측정은 검색된 또는 관련 측정 주기로 간단하게 제한될 수 있다.

본 발명의 다른 양상은 칼만 필터를 이용한 데이터 융합 방법이고, 제 1 입력 신호는 측정 신호이며 제 2 입력 신호는 측정 신호의 분산이고, 상기 분산은 본 발명에 따른 방법의 일 실시 예에 의해 측정된다.

칼만 필터의 외부에서 분산을 측정하는 데이터 융합 방법의 실시 예가 특히 바람직하다.

본 발명의 또 다른 양상은 분산 측정 방법 또는 데이터 융합 방법의 모든 단계를 실행하도록 설계된 컴퓨터 프로그램뿐만 아니라 상기 컴퓨터 프로그램의 일 실시 예가 저장된 기계 판독 가능한 저장 매체이다.

또한, 본 발명의 일 양상은 분산 측정 방법 및 데이터 융합 방법의 모든 단계를 실행하도록 설계된 장치이다.

예컨대 차량 센서 및 차량 제어 장치용 임베디드 시스템으로서 상기 장치의 구현을 위해, 산술 시프트로 나누기 연산을 대체하기 위해 제수를 2 제곱으로 형성하는 것이 바람직하다.

이하, 본 발명의 실시 예들을 도면들을 참조하여 설명한다.

도 1은 본 발명의 일 실시 예의 블록도.
도 2는 입력 신호 1 내지 4를 갖는 그래프.
도 3a는 상이한 방법으로 입력 신호 1로부터 시작하는 분산 결정을 갖는 그래프.
도 3b는 상이한 방법으로 입력 신호 2로부터 시작하는 분산 결정을 갖는 그래프.
도 3c는 상이한 방법으로 입력 신호 3으로부터 시작하는 분산 결정을 갖는 그래프.
도 3d는 상이한 방법으로 입력 신호 4로부터 시작하는 분산 결정을 갖는 그래프.
도 4는 블록도.
도 5는 본 발명에 따른 측정 신호의 분산을 측정하는 방법의 일 실시 예의 흐름도.
도 6은 본 발명에 따른 데이터 융합 방법의 일 실시 예의 흐름도.

도 1은 본 발명의 일 실시 예의 블록도를 도시한다. 블록도는 본 발명의 핵심을 명확히 나타낸다. 센서(S)는 센서 신호 또는 측정 신호를 추가 처리 유닛에 공급한다. 센서 신호의 데이터 융합을 위해, 바람직하게는 측정 신호에 적용되는 칼만 필터(K)가 사용될 수 있다. 이를 위해 측정 신호는 한편으로는 칼만 필터(K)에 공급되고, 다른 한편으로는 측정 신호는 필터, 여기서는 고역 통과 필터(HP)에 공급되어 직류 성분, 따라서 실제 신호가 억제된다. 이렇게 필터링된 측정 신호는 제시된 방법(500)에 따라 분산 결정 또는 분산 측정에 공급된다. 측정된 분산은 다시 칼만 필터(K)에 공급되고 데이터 융합을 위한 추가 입력으로서 평가된다.

도 2는 4개의 측정 신호(신호 1 내지 4)를 갖는 그래프를 도시한다. 그래프에서 볼 수 있듯이, 측정 신호들은 상이한 정도의 분산을 갖는다. 다음 도면들의 추가 그래프들에서, 분산 결정을 위한 다양한 방법들의 결과들이 본 발명의 방법의 일 실시 예와 비교해서 제시된다.

도 3a 내지 도 3d는 본 발명의 방법(500)의 일 실시 예와 비교해서 윈도우 방법 및 순수한 저역 통과 필터링에 따른 분산 결정의 결과를 갖는 그래프를 도시한다.

결과는, 본 발명의 방법의 실시 예의 결과가 입력 분산이라고 하는 기준 분산에 훨씬 더 근접하게 진동하기 때문에 본 발명의 성능을 명확히 나타낸다.

따라서, 본 발명은 매우 다양한 입력 신호에 적용 가능하고 양호한 결과를 제공한다.

도 4는 본 발명에 따른 장치를 포함하는 장치의 일 실시 예의 블록도를 도시한다.

도 4에는 2개의 센서(S1) 및 (S2)가 도시되어 있고, 그 센서 신호들, 그에 따라서 그 측정 신호는 칼만 필터(K)에 의해 융합된다.

이를 위해, 센서들(S1, S2)은 그 측정 신호를 한편으로는 입력 신호로서 칼만 필터(K)에 직접 입력한다. 다른 한편으로는, 측정 신호가 본 발명의 방법(500)에 따라 고역 통과 필터(HP)에 의해 필터링된다. 이렇게 필터링된 측정 신호는 저역 통과 필터(TP)에 의해 필터링된다. 이 필터 단계의 결과는 각각의 측정 신호의 (측정된) 분산으로서 칼만 필터(K) 내로 추가 입력 변수로서 입력된다.

고역 통과 필터와 저역 통과 필터로 이루어진 조합체는 대역 통과 필터(BP)라고도 한다. 따라서, 2개의 개별 필터에 대한 대안으로서, 하나의 대역 통과 필터(BP)가 사용될 수 있다.

필터(HP), (TP), (BP)는 상이하게 형성될 수 있다. 필터는 하드웨어 또는 소프트웨어 측에 또는 이들의 조합으로서 존재할 수 있다.

칼만 필터(K)는 결과적으로 2개의 측정값 또는 센서 신호의 융합된 결과를 출력한다.

도로 차량의 주행 다이내믹의 범위에서, 관련 정보는 3 Hz 내지 20 Hz, 특히 5 Hz 내지 20 Hz의 신호에서 찾아야 한다.

이러한 경계 조건으로부터, 고역 통과 필터(HP)는, 고역 통과 필터(HP)가 (예를 들어, 반전에 의해) 형성될 수 있는 저역 통과 필터(TP)의 차단 주파수가 약 5 Hz 내지 10Hz 이도록 작동될 수 있는데, 그 이유는 가능한 짧은 그룹 런타임에 의해 20Hz까지도 댐핑이 그리 크지 않기 때문이다. 저역 통과 필터(TP)는 그룹 런타임에 너무 많이 기여하지 않도록 적어도 2 Hz의 차단 주파수를 가져야 한다.

자동차에 적용을 위해, 계수 bhp = [1, 16, 36, 55, 73, 84, 93, 102, -920, 102, 93, 84, 73, 55, 36, 16,1] 및 ahp = 1024를 가진 16 차 FIR 고역 통과 필터 그리고 200 Hz의 샘플링 레이트에 대해 계수 btp = [1] 및 atp = [16, -15]를 갖는 무한 임펄스 응답(ⅡR) 저역 통과 필터가 제안된다. 따라서, 약 8 내지 15 샘플의 통과 대역에서 그룹 런타임이 달성된다. 이는 200 Hz의 샘플링 레이트에서 40 ms 내지 75 ms의 그룹 런타임에 상응한다.

도 5는 본 발명에 따른 측정 신호의 분산을 측정하기 위한 방법의 일 실시 예의 흐름도를 도시한다.

단계(501)에서, 측정 신호는 고역 통과 필터에 의해 필터링되어, 필터링된 측정 신호를 형성한다.

단계(502)에서, 필터링된 측정 신호에 의해 측정 신호의 분산이 결정된다.

도 6은 본 발명에 따른 데이터 융합 방법의 일 실시 예의 흐름도를 도시한다.

단계(601)에서, 입력 신호는 칼만 필터에 의해 융합되고, 입력 신호의 분산을 결정하기 위해, 본 발명에 따른 측정 신호의 분산을 측정하는 방법이 사용된다.

HP 고역 통과 필터
K 칼만 필터
TP 저역 통과 필터

Claims (13)

1. 측정 신호의 분산을 측정하는 방법(500)으로서,
   필터링된 측정 신호를 얻기 위해 고역 통과 필터(HP)에 의해 상기 측정 신호를 필터링하는 단계(501); 및
   상기 필터링된 측정 신호를 사용하여 분산을 결정하는 단계(502)를 포함하는, 측정 신호의 분산을 측정하는 방법.
2. 제 1 항에 있어서,
   상기 고역 통과 필터(HP)는 선형 위상 필터, 특히 유한 임펄스 응답(FIR) 필터인, 측정 신호의 분산을 측정하는 방법.
3. 제 2 항에 있어서,
   상기 고역 통과 필터(HP)의 계수는 상기 측정 신호가 검출되는 샘플링 레이트에 의존하는, 측정 신호의 분산을 측정하는 방법.
4. 제 2 항에 있어서,
   상기 고역 통과 필터(HP)의 그룹 런타임은 측정 태스크에 관련된 분산 지연에 적응되고, 특히 상기 그룹 런타임은 50 ms 내지 100 ms, 특히 실질적으로 80 ms인, 측정 신호의 분산을 측정하는 방법.
5. 제 1 항 또는 제 2 항에 있어서,
   상기 필터링하는 단계 후에 제 2 필터링 단계가 수행되고, 상기 제 2 필터링 단계에서, 이전에 필터링된 측정 신호로부터 결정된 분산이 저역 통과 필터(TP)에 의해 필터링되는, 측정 신호의 분산을 측정하는 방법.
6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
   상기 고역 통과 필터(HP) 및/또는 상기 저역 통과 필터(TP)의 차단 주파수는 측정 태스크에 관련된 정보가 측정 신호 내에 포함되는 주파수를 따르고, 특히 상기 차단 주파수는 2 Hz 내지 20 Hz, 특히 5 Hz 내지 10 Hz인, 측정 신호의 분산을 측정하는 방법.
7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
   상기 결정하는 단계에서, 연속하는 계산 및/또는 연속하는 측정값 및/또는 제곱 합의 연속하는 평균값에 의해 분산이 계산되는, 측정 신호의 분산을 측정하는 방법.
8. 제 5 항에 있어서,
   상기 결정하는 단계에서 제 3 필터링 단계가 수행되고, 상기 단계에서 연속하는 평균값이 필터링되는, 측정 신호의 분산을 측정하는 방법.
9. 칼만 필터(K)를 이용하는 데이터 융합 방법(600)으로서,
   제 1 입력 신호는 측정 신호이고, 제 2 입력 신호는 상기 측정 신호의 분산이며, 상기 측정 신호의 분산은 제 1 항 내지 제 8 항 중 어느 한 항에 따른 방법(500)에 의해 측정되고, 상기 측정 신호는 상기 칼만 필터(K)에 의해 적어도 하나의 추가 제 3 입력 신호와 융합되는(601), 데이터 융합 방법.
10. 제 9 항에 있어서,
    상기 칼만 필터(K)의 외부에서 분산이 측정되는, 데이터 융합 방법.
11. 제 1 항 내지 제 10 항 중 어느 한 항에 따른 방법(500, 600)의 모든 단계를 실행하도록 설계된 컴퓨터 프로그램.
12. 제 11 항에 따른 컴퓨터 프로그램이 저장된, 기계 판독 가능한 저장 매체.
13. 제 1 항 내지 제 10 항 중 어느 한 항에 따른 방법의 모든 단계를 실행하도록 설계된 장치.

Images