KR20200067328A

KR20200067328A - 고안전성 rtk-gnss의 초기 준비시간 단축 방법 및 시스템

Info

Publication number: KR20200067328A
Application number: KR1020180154089A
Authority: KR
Inventors: 이지윤; 김민찬; 민동찬; 윤문석; 이진실; 김동우
Original assignee: 한국과학기술원
Priority date: 2018-12-04
Filing date: 2018-12-04
Publication date: 2020-06-12

Abstract

발명은 무인기에게 고정밀/고무결성 항법해를 지원하는 RTK(Real Time Rinematic)-GNSS(Global Navigation Satellite System)의 초기 준비시간(TTFF, Time To First Fix)을 단축하는 시스템에 관한 것이다.
본 발명에 의하면, 무인기의 항법지원을 위한 RTK-GNSS의 초기 준비시간(TTFF)을 단축 및 결정하는 시스템 및 방법을 제공한다.

Description

고안전성 RTK-GNSS의 초기 준비시간 단축 방법 및 시스템{Method and System for Reduction of Time to First Fix of High Integrity RTK-GNSS}

본 발명은 무인기에게 고정밀/고무결성 항법해를 지원하는 RTK(Real Time Rinematic)-GNSS(Global Navigation Satellite System)의 초기 준비시간(TTFF, Time To First Fix)을 단축하는 시스템에 관한 것이다. 보다 상세하게는 다중경로 오차 인공신경망 모델 구축, 신경망을 활용한 다중경로 오차 예측, 무결성 요구성능에 의한 TTFF 분석 기법을 적용하여 무인기 운용에서 요구되는 무결성 확률과 TTFF를 만족시키는 시스템에 관한 것이다.

도 1은 반송파 기반 위성항법 시스템을 나타내는 도면이다.

무인항공기의 정확한 항법을 위해 사용되는 반송파 측정치 기반 RTK-GNSS 시스템은 위성, 기준국, 사용자로 구성되어 있다. 일반적인 코드기반 GNSS와 달리 반송파 기반 시스템은 사용자와 기준국의 반송파 측정치를 서로 차분하여 사용자의 위치를 cm급의 정확도로 추정할 수 있다. 반송파의 특성상 측정치에 몇 개의 반송파 싸이클이 포함되어 있는지 알 수 없는데 이를 모호정수라고 하며 모호정수를 풀어야 사용자의 위치를 추정 할 수 있다.

모호정수를 풀고 사용자의 위치를 계산하기 위해 걸리는 초기 시간을 TTFF(Time To First Fix)라고 하며 한 번 풀린 모호정수는 신호에 문제가 발생하지 않는 이상 변하지 않는다. 상용 RTK 시스템의 경우 약 5분의 TTFF가 소요되지만 5분만에 풀린 모호정수는 불확실성을 많이 포함하고 있어 큰 위치오차가 발생 해 사고가 일어 날 수 있다. 이를 보장하기 위해 큰 위치 오차를 탐지하고 사용자에게 경고를 보내는 무결성의 개념이 도입되어야 한다. 현재의 일반적인 RTK 시스템은 무결성을 보장하고 있지 않으며, 저가의 장비를 사용하는 무인기 시스템의 경우 무결성을 보장하기 위해선 한 시간 이상의 긴 TTFF가 소요된다. 이와 같이 TTFF는 무결성 요구성능과 모호정수 정확도에 의해 결정된다. 모호정수의 정확도는 GNSS 측정치의 다중경로 오차에 의해 결정되므로 다중경로 오차를 줄인다면 TTFF를 줄일 수 있다. 따라서, 다중경로 오차를 예측/완화 시킴으로 모호정수를 정확하게 산출하며, 요구되는 무결성 요구성능을 반영하여 TTFF를 결정하는 기술이(혹은 시스템)이 개발되어야 한다.

반송파 기반 RTK-GNSS는 모호정수를 풀어야 사용자의 위치를 추정 할 수 있다. 모호정수를 풀기 위해 2개의 위성에 대한 사용자와 기준국의 측정치를 서로 차분한 이중차분 기법을 사용한다. 사용자는 GNSS 위성으로부터 코드 측정치와 반송파 측정치를 측정 할 수 있으며 각각의 측정치는 아래의 수학식 1처럼 표현된다.

여기서,

ρ : 코드 측정치 [m]

φ : 반송파 측정치 [cycle]

λ : 반송파 파장 [m/cycle]

r : 수신기와 위성사이의 실제 거리 [m]

b : 수신기 시계 오차 [m]

B : 위성 시계 오차 [m]

I : 전리층으로 인한 지연 오차 [m]

T : 대류층으로 인한 지연 오차 [m]

ν : 다중경로 오차 ~N(0,σ ² ) [m]

N : 모호정수[cycle]

아래 첨자 : 사용자 k를 의미함

윗 첨자 : 위성 i를 의미함

아래의 수학식 2는 사용자와 기준국의 측정치를 서로 차분한 단일차분 측정치를 나타내며, 수학식 3은 2개의 위성에 대한 단일차분 측정치를 서로 차분한 이중차분 측정치를 나타내고 있다.

이중차분 되는 과정에서 오차는 측정치 간의 상관관계로 인해

와

는 무시할 수 있을 만큼 작아지게 되고, 측정치 간에 독립적인 오차요소인 다중경로 오차가 모호정수 및 상대위치만 남게된다. 따라서 이중차분 코드측정치와 이중차분 반송파 측정치를 이용하여 모호정수 및 상대위치를 결정한다. 반송파의 다중경로 오차는 코드 다중경로 오차에 비해 무시할 수 있을 만큼 작기 때문에 모호정수의 정확도는 코드 다중경로 오차(ν _ρ )에 의해 결정된다고 할 수 있다. 다중경로 오차는 주변 장애물에 의해 반사된 신호가 원래의 신호와 간섭을 일으켜 발생하는 지연 오차를 의미한다. GNSS 위성은 일정 주기를 갖고 지구를 공전하고 있으므로 고정된 수신기에 대해 다중경로 오차는 주기적으로 반복되며 주변 환경에 영향을 많이 받는다. 이러한 특성을 가진 다중경로 오차를 완화시키기 위해 1)수신기에서 하드웨어/소프트웨어 적으로 완화하는 방법과 2)발생한 다중경로 오차를 추정하여 보상해주는 방법이 있다. 수신기의 하드웨어 관점에서 초크링(Choke Ring) 또는 배열 안테나를 사용 하는 방법이 있고 소프트웨어 관점에서 협대역 상관기(Narrow Correlator) 안테나를 사용하는 방법이 있다. 하지만 위의 방법들은 비싸고 무겁기 때문에 무인기에 적용하기에는 무리가 있다. 다중경로 오차를 추정하여 보상하는 방법에는 전날 데이터에 적응필터를 이용하여 추정하는 방법이 있다. 하지만 적응필터 방법의 경우 고정된 수신기에 대해서만 사용 가능하다. 따라서 비행환경에 따라 다중경로 오차가 변화하는 무인기에 사용하기에는 한계가 있다.

KR

10-0980762

B1

본 발명은 위에서 언급한 문제점을 해결하기 위해 창안된 것으로써, 무인기의 항법지원을 위한 RTK-GNSS의 초기 준비시간(TTFF)을 단축 및 결정하는 시스템 및 방법을 제공함을 목적으로 한다.

이와 같은 목적을 달성하기 위하여 본 발명에 따른 고안전성 RTK-GNSS의 초기 준비시간 단축 방법은, 사전에 수집된 데이터를 이용하여 인공 신경망 모델을 학습시키고 학습된 모델을 이용하여 현재 측정치의 다중경로오차를 실시간으로 추정하여 보정하는 단계를 포함한다.

본 발명에 의하면, 무인기의 항법지원을 위한 RTK-GNSS의 초기 준비시간(TTFF)을 단축 및 결정하는 시스템 및 방법을 제공하는 효과가 있다.

도 1은 반송파 기반 위성항법 시스템을 나타내는 도면.
도 2는 다중경로 오차 완화 알고리즘의 흐름도를 도시한 도면.
도 3은 안테나 기울기에 따른 안테나 이득 변화를 나타내는 도면.
도 4는 TTFF 단축 시스템의 순서도.
도 5는 환경에 따른 다중경로 오차를 추정하는 도면.
도 6은 앙각에 따른 다중경로 오차 표준편차의 제1 결과를 나타내는 도면.
도 7은 안테나 기울기에 따른 다중경로 오차를 추정하는 도면.
도 8은 앙각에 따른 다중경로 오차 표준편차의 제2 결과를 나타내는 도면.
도 9는 다중경로 오차 표준편차와 무결성 확률기반 TTFF를 나타내는 도면.

이하 첨부된 도면을 참조로 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

도 2는 다중경로 오차 완화 알고리즘의 흐름도를 도시한 도면이고, 도 3은 안테나 기울기에 따른 안테나 이득 변화를 나타내는 도면이다.

본 발명은 실시간으로 코드 다중경로 오차를 추정하고 보상하여 완화시키기 위해 인공 신경망을 이용했다. 도 2와 같이 사전에 수집된 데이터를 이용하여 인공 신경망 모델을 학습시키고 학습된 모델을 이용하여 현재 측정치의 다중경로오차를 실시간으로 추정하여 보정해주는 방법으로 다중경로 오차를 완화시킨다. 다중경로 오차를 추정하는 모델이기 때문에 인공 신경망의 출력은 다중경로 오차가 되어야 하며 입력은 다중경로 오차의 특성을 잘 나타낼 수 있고 실시간으로 사용 가능한 파라미터여야 한다. 따라서 모델의 입력으로 앙각 및 방위각, 신호 대 잡음비(SNR, Signal to Noise Ratio), 안테나의 기울기를 입력으로 사용한다.

앙각 및 방위각은 수신기에서 위성을 바라보는 방향에 관련된 파라미터로 수신기에서 실시간으로 사용 가능하다. 다중경로 오차는 위성의 절대적인 위치가 아닌 수신기와 위성간의 상대적인 위치에 따라 반사되는 신호가 변하기 때문에 인공 신경망 모델에 수신기 주변 환경에 대한 정보를 줄 수 있다.

SNR은 안테나에 수신되는 신호 세기와 잡음 세기의 비율로 수신기에서 실시간으로 사용 가능하다. 반사된 신호가 직접 신호와 간섭을 일으키면 다중경로 오차뿐만 아니라 SNR에도 변화가 생긴다. 이때 직접 신호와 반사 신호의 전파 거리 차이에 대해 다중경로 오차와 SNR의 변화는 In-phase 관계에 있다. 다중경로 오차와 SNR 사이의 정확한 관계식을 도출하기에는 어려움이 있지만 SNR이 다중경로 오차와 강한 상관관계가 있다는 것은 알 수 있다. 따라서 무인기의 움직임에 크게 민감하지 않은 앙각 및 방위각으로는 구별 할 수 없지만 조금씩 변하는 무인기 주변 환경을 SNR을 통해 구별 할 수 있다.

안테나의 기울기는 무인기의 IMU 센서를 통해 실시간으로 사용 가능하다. 안테나의 이득은 안테나를 중심으로 방향에 따라 서로 다른 값을 가지기 때문에 같은 신호라도 신호가 들어오는 방향에 따라 수신되는 신호에 차이가 난다. 도 3처럼 무인기의 경우 움직일 때 기울어 져서 이동하므로 무인기에 달려 있는 안테나 역시 기울어지고 안테나 이득의 패턴이 변하게 된다. 따라서 수신되는 신호에 차이가 발생하고 다중경로 오차도 변하게 된다.

도 4는 TTFF 단축 시스템의 순서도이고, 도 5는 환경에 따른 다중경로 오차를 추정하는 도면이고, 도 6은 앙각에 따른 다중경로 오차 표준편차의 제1 결과를 나타내는 도면이고, 도 7은 안테나 기울기에 따른 다중경로 오차를 추정하는 도면이고, 도 8은 앙각에 따른 다중경로 오차 표준편차의 제2 결과를 나타내는 도면이다.

해당 기법을 활용한 TTFF 단축 시스템은 도 4와 같은 순서로 이루어진다. 1단계에서는 다중경로 오차를 추정하고 보상하여 완화시키기 위해 인공 신경망을 학습시키고, 2단계에서는 학습된 모델을 이용하여 다중결로 오차를 추정한다. 학습한 모델로 다중경로 오차를 추정하는 예시는 도 5와 같다.

첫 번째 예시는 두 가지 환경(type A, type B)에 대해 이틀 동안 데이터를 수집하고 하루의 데이터를 사용하여 신경망 모델을 학습시켰다. 다양한 환경이 학습된 모델이 무인기 주변의 환경을 잘 구별하여 다중경로 오차를 추정 할 수 있는지 확인할 수 있다.

각각의 환경에 대하여 다른 하루의 데이터를 이용하여 테스트한 결과는 도 5와 같다. 파란색과 검은색은 실제 데이터를 의미하며 빨간색은 추정된 값을 의미한다. 도 5와 같이 두 환경을 서로 잘 구분하여 다중경로 오차를 추정하고 있는 것을 확인 할 수 있었다. 위의 결과를 통계적으로 살펴보면 type A의 경우 완화되지 않은 다중경로 오차의 표준편차는 약 0.19m이며 인공 신경망을 이용해 다중경로 오차를 보상하여 완화 한 다중경로 오차의 표준편차는 약 0.13m로 31%의 다중경로 오차가 감소되었다. Type B도 완화되지 않은 경우 0.20m, 완화 된 경우 0.14m로 약 30%의 오차 감소를 확인했다. 위성의 앙각에 따라 다중경로 오차의 표준편차의 제1 결과를 그래프로 그리면 도 6와 같으며 대부분의 위성 앙각에 대해 표준편차가 감소하는 것을 확인 할 수 있다.

두 번째 예시는 안테나 기울기에 따라 다중경로 오차를 잘 추정 할 수 있는지를 나타낸다. 같은 환경에서 0도, 30도 두 가지 경우에 대한 데이터를 이틀 동안 수집 후 하루의 데이터를 이용하여 신경망을 학습시켰다. 다른 하루의 데이터를 이용하여 테스트 한 결과는 도 7과 같다. 파란색과 검은색은 실제 데이터를 의미하고 빨간색은 추정된 값을 의미한다.

도 7과 같이 각각의 각도에 대해서 다중경로 오차를 잘 구분하여 추정하고 있는 것을 확인할 수 있다. 0도의 경우 다중경로 오차의 표준편차가 약 0.16m에서 0.09m로 약 42% 줄어들었고 30도의 경우 0.19m에서 0.13m로 약 30% 줄어드는 것을 확인 할 수 있다.

도 9는 다중경로 오차 표준편차와 무결성 확률기반 TTFF를 나타내는 도면이다.

3단계에서는 이렇게 추정된 다중경로 오차의 정보와 시스템에서 요구하는 무결성 정보를 바탕으로 TTFF를 결정한다. 도 9는 무결성확률(

)과 다중경로 오차의 표준편차에 대한 TTFF를 나타내고 있다. 도 9에서 보이듯이 다중경로 오차의 표준편차가 작을수록 무결성 요구조건이 완화될수록 TTFF가 감소하는 것을 볼 수 있다. 시스템에서는 도 9와 같이 2단계서 완화시킨 다중경로 오차의 표준편차와 운영하고자 하는 시스템의 무결성 요구조건을 기반으로 TTFF를 설정한다. 무결성 요구조건은 무인기 임무에 따라 기존에 미리 설정하는 설계 파라미터이다. 도 9는 RTK-GNSS 시스템이 반송파 이중차분 측정치와 TTFF 시간동안 필터링되는 Geometry-free 측정치를 기반으로 운영되는 것을 가정하였다.

100: 무인기

Claims

고안전성 RTK-GNSS의 초기 준비시간 단축 방법으로서,
사전에 수집된 데이터를 이용하여 인공 신경망 모델을 학습시키고 학습된 모델을 이용하여 현재 측정치의 다중경로오차를 실시간으로 추정하여 보정하는 단계
를 포함하는 고안전성 RTK-GNSS의 초기 준비시간 단축 방법.