KR20230104315A - 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법 - Google Patents

반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법 Download PDF

Info

Publication number
KR20230104315A
KR20230104315A KR1020210192273A KR20210192273A KR20230104315A KR 20230104315 A KR20230104315 A KR 20230104315A KR 1020210192273 A KR1020210192273 A KR 1020210192273A KR 20210192273 A KR20210192273 A KR 20210192273A KR 20230104315 A KR20230104315 A KR 20230104315A
Authority
KR
South Korea
Prior art keywords
ins
kalman filter
gnss
carrier
probability value
Prior art date
Application number
KR1020210192273A
Other languages
English (en)
Other versions
KR102592494B1 (ko
Inventor
이지윤
김민찬
민동찬
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020210192273A priority Critical patent/KR102592494B1/ko
Publication of KR20230104315A publication Critical patent/KR20230104315A/ko
Application granted granted Critical
Publication of KR102592494B1 publication Critical patent/KR102592494B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
    • G01S19/04—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing carrier phase data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
    • G01S19/08—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing integrity information, e.g. health of satellites or quality of ephemeris data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Navigation (AREA)

Abstract

본 발명은 반송파 기반 GNSS/INS 약결합 칼만필터 시스템에서 Correct Fix 확률 값을 개선하는 방법에 관한 것으로, 더욱 상세하게는 GNSS 수신기에서의 반송파 측정치의 미지 정수해를 산출하는 과정에서, INS를 통해 예측된 항법해를 사용하여 미지 정수 추정 성능을 향상시키기 위함이다. 즉 추가적인 사전정보인 INS를 통해 예측된 상대 벡터의 활용을 통해 최종적으로 미지정수 해가 옳을 확률인 Correct Fix 확률값을 개선하여 항법 무결성 측면에서 이득을 보기 위한 것이다.

Description

반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법{Correct Fix Probability Improvement Method of Carrier-Phase Based CNSS-INS Loosely Coupled Kalman Filter System}
본 발명은 반송파 기반 GNSS/INS 약결합 칼만필터 시스템에서 Correct Fix 확률 값을 개선하는 방법에 관한 것으로, 더욱 상세하게는 GNSS 수신기에서의 반송파 측정치의 미지 정수해를 산출하는 과정에서, INS를 통해 예측된 항법해를 사용하여 미지 정수 추정 성능을 향상시키기 위함이다. 즉 추가적인 사전정보인 INS를 통해 예측된 상대 벡터의 활용을 통해 최종적으로 미지정수 해가 옳을 확률인 Correct Fix 확률값을 개선하여 항법 무결성 측면에서 이득을 보기 위한 것이다.
최근 드론 물류 시스템, 소형 스타트업 회사들의 오지 긴급구호물품 택배 등 인류의 편의성과 경제적 효율성의 극대화를 목적으로 무인 항공기 활용 분야에 막대한 투자가 이루어지고 있다. 하지만 무인 항공기는 비교적 낮은 고도에서 운용되며, 다양한 위험 요인이 발생할 수 있는 환경 및 임무를 타겟으로 운용되기 때문에 항법 안정성이 매우 높은 수준으로 보장되어야 한다. 특히 다수의 무인 항공기가 동시에 운용되기 위해서는 각 기체들간의 충돌을 방지하기 위해 센티미터(cm) 레벨의 항법 정확도가 요구될 수 있고, 그에 따라 높은 정확도의 반송파 기반 항법 시스템이 요구된다.
반송파 기반 항법 시스템에서 무결성 위협 확률은 미지 정수가 참값으로 결정된 확률을 나타내는 P(CF)에 의존적이다. 항공모함의 전투기 정밀 착륙에 적용되는 JPALS에서는 무결성 요구조건을 충족시키기 위해 반송파 측정치를 장시간 수집하여 1-P(CF)값을 10-8이하로 보장하는 사전 필터링 과정을 수행한다. 이때 해당 조건이 충족되면 무결성 위협 확률 산출 과정에서 1-P(CF)값을 보수적으로 10-8로 가정하고 계산 과정에서 미지정수가 잘못 결정될 경우를 무시할 수 있다. 무인 항공기의 경우 임무의 다양성 및 제한된 환경조건으로 인해 사전 필터링을 수행하는 것에 한계가 있다. 해당 과정을 수행하지 않을 경우, 이중 위성군 이중 주파수측정치를 모두 사용하더라도 P(CF) 요구도를 만족하지 못하는 문제점이 발생한다.
KR 10-0980762 B1
본 발명은 이와 같은 문제점을 해결하기 위하여 창안된 것으로서, GNSS 수신기에서의 반송파 측정치의 미지 정수해를 산출하는 과정에서, INS를 통해 예측된 항법해를 활용함으로 미지정수 추정성능을 향상시키기 위한 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선 방법을 제공하는 것을 그 목적으로 한다.
이와 같은 목적을 달성하기 위하여 본 발명에 따른 항법 무결성 보장을 위한 반송파 기반 GNSS/INS 약결합 칼만필터 시스템에서의 Correct Fix 확률값을 개선하는 방법은 (a) IMU 센서로부터 GNSS/INS 약결합 칼만필터에 이중 IMU 측정값이 입력되는 단계; (b) 상기 단계 (a)에서 입력된 이중 IMU 측정값으로부터 상태벡터를 예측하는 단계; (c) 상기 단계 (b)에서 예측된 상태벡터에 포함된 상대벡터정보가 GNSS 수신기로부터 측정된 값과 함께 Correct Fix 확률값이 산출되어 GNSS/INS 약결합 칼만필터에 측정값으로 입력되는 단계; 및 (d) 상기 단계 (c)에서 입력된 측정값으로부터 상태벡터가 업데이트되는 단계를 포함한다.
상기 단계 (c)의 Correct Fix 확률값 산출은, (c1) 상기 상대벡터정보를 활용하여 미지정수 실수해를 산출하는 단계; (c2) 상기 단계 (c1)에서 산출된 미지정수 실수해의 공분산 행렬을 역상관 상태로 변환하는 단계; 및 (c3) 상기 단계 (c2)에서 변환된 공분산 행렬로부터 Correct Fix 확률값이 산출되는 단계를 포함하는 것이다.
상기 단계 c1의 미지정수 실수해는,
Figure pat00001
에 의하여 산출되는 것이다.
상기 단계 c2는 Z-변환을 이용하며,
Figure pat00002
인 것이다.
상기 단계 c3는,
Figure pat00003
에 의하여 산출되는 것이다.
본 발명의 다른 측면은 항법 무결성 보장을 위한 반송파 기반 GNSS/INS 약결합 칼만필터 시스템에서의 Correct Fix 확률값을 개선하기 위한 프로그램으로서, 비일시적 저장 매체에 저장되며, 프로세서에 의하여, (a) IMU 센서로부터 GNSS/INS 약결합 칼만필터에 이중 IMU 측정값이 입력되는 단계; (b) 상기 단계 (a)에서 입력된 이중 IMU 측정값으로부터 상태벡터를 예측하는 단계; (c) 상기 단계 (b)에서 예측된 상태벡터에 포함된 상대벡터정보가 GNSS 수신기로부터 측정된 값과 함께 Correct Fix 확률값이 산출되어 GNSS/INS 약결합 칼만필터에 측정값으로 입력되는 단계; 및 (d) 상기 단계 (c)에서 입력된 측정값으로부터 상태벡터가 업데이트되는 단계를 포함한다.
상기 단계 (c)의 Correct Fix 확률값 산출은, (c1) 상기 상대벡터정보를 활용하여 미지정수 실수해를 산출하는 단계; (c2) 상기 단계 (c1)에서 산출된 미지정수 실수해의 공분산 행렬을 역상관 상태로 변환하는 단계; 및 (c3) 상기 단계 (c2)에서 변환된 공분산 행렬로부터 Correct Fix 확률값이 산출되는 단계를 포함하는 것이다.
상기 단계 c1의 미지정수 실수해는,
Figure pat00004
에 의하여 산출되는 것이다.
상기 단계 c2는 Z-변환을 이용하며,
Figure pat00005
인 것이다.
상기 단계 c3는,
Figure pat00006
에 의하여 산출되는 것이다.
본 발명의 또 다른 측면으로서 Correct Fix 확률값을 개선하여 반송파 기반 GNSS/INS 약결합 칼만필터를 이용한 Correct Fix 확률값을 개선하기 위한 시스템으로서, 적어도 하나의 프로세서; 및 컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되, 상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여, (a) IMU 센서로부터 GNSS/INS 약결합 칼만필터에 이중 IMU 측정값이 입력되는 단계; (b) 상기 단계 (a)에서 입력된 이중 IMU 측정값으로부터 상태벡터를 예측하는 단계; (c) 상기 단계 (b)에서 예측된 상태벡터에 포함된 상대벡터정보가 GNSS 수신기로부터 측정된 값과 함께 Correct Fix 확률값이 산출되어 GNSS/INS 약결합 칼만필터에 측정값으로 입력되는 단계; 및 (d) 상기 단계 (c)에서 입력된 측정값으로부터 상태벡터가 업데이트되는 단계를 포함한다.
본 발명에 의하면, INS를 통해 예측된 항법해를 활용함으로 미지정수 추정성능을 향상시키기 위한 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선 방법을 제공함으로 무결성 보장 관점에서 이득을 볼 수 있는 효과가 있다.
도 1은 본 발명에 따른 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 개념 및 구성을 개략적으로 나타낸 도면
도 2는 본 발명에 따른 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법을 나타낸 순서도.
도 3은 도 2의 방법에서 Correct Fix 확률 값 산출 과정을 나타낸 순서도.
도 4는 본 발명에 따른 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선을 통한 시뮬레이션 결과를 나타낸 그래프.
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 1은 본 발명에 따른 반송파 기반 GNSS/INS 약결합 칼만필터 시스템을 개략적으로 나타낸 도면이다.
도 1을 참조하면 본 발명의 반송파 기반 GNSS/INS 약결합 칼만필터 시스템(10)은 IMU 센서(100)와 CNSS 수신기(200), 그리고 IMU 센서로부터 입력되는 다중 IMU 측정치를 필터링하는 IMU 필터(310)와 GNSS 수신기(200)로부터 입력되는 GNSS 측정치를 필터링하는 GNSS 필터(320)가 반송파 기반 약결합된 GNSS/INS 약결합 칼만필터(300)로 구성된다.
일반적으로 칼만필터는 IMU(Inertial Measurement Unit : 관성측정장치) 센서로 항법해를 예측하고, GNSS(Global Navigation Satellite System : 위성항법시스템) 센서의 측정치를 통해 항법해를 업데이트 한다. 예측 및 업데이트 과정은 다음의 [수학식 1]을 통해 수행된다.
[수학식 1]
항법해 예측:
Figure pat00007
항법해 업데이트:
Figure pat00008
여기서,
Figure pat00009
는 예측 상태백터 또는 항법해(state)이고,
Figure pat00010
는 업데이트 된 상태벡터이며,
Figure pat00011
는 상태전이행렬,
Figure pat00012
는 프로세스 노이즈 벡터,
Figure pat00013
는 칼만게인,
Figure pat00014
는 GNSS 의사거리 기반 측정치,
Figure pat00015
는 관측행렬을 의미한다.
그러나 반송파 기반 GNSS/INS 약결합 칼만필터의 경우, 상태벡터에 상대 벡터, 상대 속도, 관성 센서의 바이어스 값이 포함된다. 따라서 GNSS 수신기에서 산출된 상대 위치 항법해가 항법해 업데이트 단계에서 필터 입력값으로 활용된다.
그리고 반송파 측정치는 기존 의사거리 측정치와 다르게 미지정수(Integer Ambiguity)를 추가적으로 추정해야 한다. 일반적으로 반송파 기반 항법 시스템은 이중 차분 반송파, 의사거리 측정치를 활용하여 아래의 [수학식 2]인 선형식을 통해 미지정수 및 지상국과의 상대 벡터 항법해를 산출한다.
[수학식 2]
반송파 기반 항법 시스템의 측정 식:
Figure pat00016
여기서, y는 GNSS 측정치 벡터로 이중차분 의사거리 및 반송파 측정치를 포함하는 벡터이다. 그리고 a와 b는 각각 미지정수와 두 안테나 간의 상대 벡터를 의미하고,
Figure pat00017
는 측정치 오차 벡터이다. 위의 [수학식 2]로부터 최소자승법 기반 상대벡터 및 미지정수 실수해를 다음의 [수학식 3]을 통하여 산출한다.
[수학식 3]
상대벡터 및 미지정수 실수 해:
Figure pat00018
여기서, 미지정수 실수해는 LAMBDA(Least-squares AMBiguity Decorrelation Adjustment) 기법의 인풋으로 활용되어 최종적으로 정수로 결정된다. 이때, 미지정수가 옳게 결정된 확률인 P(CF)는 미지정수 실수해의 공분산 행렬을 기반으로 LAMBDA 기법 내에서 산출된다.
따라서 본 발명은 반송파 기반 GNSS/INS 약결합 칼만필터 시스템(10)의 가용 상황에서 상대벡터 사전 정보를 이용하여 Correct Fix 확률값을 개선하게 된다.
도 2는 본 발명에 따른 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선 방법을 나타낸 순서도이다.
도 2를 참조하면, 먼저 IMU 센서로부터 GNSS/INS 약결합 칼만필터에 이중 IMU 측정값이 입력된다(S100). 여기서 GNSS/INS 약결합 칼만필터 시스템은 상대 항법 시스템이기 때문에 GNSS/INS 약결합 칼만필터에 입력되는 입력값은 각각 지상국과 무인이동체의 이중 IMU 센서로부터의 입력값인 것이다.
이후 GNSS/INS 약결합 칼만필터에 의해 입력된 이중 IMU 측정값으로부터 GNSS/INS 약결합 칼만필터는 시스템 업데이트를 진행하여 항법해인 상태벡터를 아래의 [수학식 3]을 통해 예측한다(S200).
[수학식 3]
항법해 예측:
Figure pat00019
항법해의 공분산 행렬 예측:
Figure pat00020
여기서,
Figure pat00021
는 예측 상태벡터의 공분산 행렬을 의미하고,
Figure pat00022
는 이전 단계에서 업데이트된 상태벡터의 공분산 행렬,
Figure pat00023
는 프로세서 노이즈 벡터인
Figure pat00024
의 공분산 행렬을 의미한다.
그리고 단계 S200에서 예측된 상태벡터에 포함된 상대벡터정보가 GNSS 수신기로부터 측정된 값과 함께 Correct Fix 확률값이 산출되어 GNSS/INS 약결합 칼만필터에 측정값으로 입력된다(S300). 이에 대하여는 이하 도 3를 참조하여 수식 유도 및 수행 방법에 대하여 상세히 설명한다. 그리고 단계 S300에서 입력된 측정값으로부터 상태벡터가 업데이트된다(S400).
도 3은 도 2에서의 Correct Fix 확률 값 산출 과정을 나타낸 순서도이다.
도 3을 참조하면, 상대벡터정보를 활용하여 미지정수 실수해를 산출한다(S310).
기존에 미지정수 실수해는 아래 선형식인 [수학식 4]에 의한 최소자승법을 적용함으로써 산출되었다.
[수학식 4]
측정치 선형식:
Figure pat00025
위 선형식에서
Figure pat00026
는 측정치 벡터를 의미하며, 이중차분 의사거리 및 반송파 측정치를 포함하고 있다.
Figure pat00027
는 관측행렬을 의미하며, 각 위성의 LOS(Line Of Sight)방향 유닛 벡터를 포함하고 있는
Figure pat00028
행렬이 기준 위성 기준으로 차분된
Figure pat00029
행렬과 GNSS 측정치의 주파수가 대각성분 값인 대각행렬
Figure pat00030
를 포함하고 있다. 추정하는 상태벡터
Figure pat00031
는 상대벡터
Figure pat00032
와 미지정수
Figure pat00033
를 포함하고 있다.
Figure pat00034
는 측정치 벡터의 노이즈를 의미하고, 해당 노이즈의 공분산 행렬이 아래의 [수학식 5]와 같이 정의 되어, 최소자승법을 통해 산출되는 상태벡터
Figure pat00035
의 공분산 행렬은 다음과 같이 계산된다.
[수학식 5]
공분산 행렬:
Figure pat00036
여기서, 산출된 공분산 행렬
Figure pat00037
는 미지정수 실수해의 공분산 행렬
Figure pat00038
를 포함하고 있으며, 해당 행렬은 아래의 [수학식 6]과 같이 유도된다.
[수학식 6]
공분산 행렬:
Figure pat00039
그러나 본 발명에서는 추가적인 상대벡터 사전정보를 활용할 경우, 선형식은 다음의 [수학식 7]과 같이 변형된다.
[수학식 7]
측정치 선형식:
Figure pat00040
공분산 행렬:
Figure pat00041
위 식에서
Figure pat00042
는 상대벡터 사전정보의 공분산 행렬을 의미한다. 동일한 방식으로 미지정수 실수해의 공분산 행렬
Figure pat00043
은 다음의 [수학식 8]과 같이 유도된다.
[수학식 8]
공분산 행렬:
Figure pat00044
이때, 각각의 공분산 행렬
Figure pat00045
와
Figure pat00046
은 양의 정부호 행렬(Positive definite matrix)이고, 두 행렬의 차이
Figure pat00047
는 양의 준정부호 행렬(Positive semidefinite matrix)의 성질을 만족한다.
따라서 준정부호 행렬의 대각 성분은 항상 음이 아닌 실수이기 때문에 추가적인 상대벡터 활용 시 미지정수 실수해 공분산 행렬의 대각 성분이 감소하는 방향으로 변화하게 된다.
이어서, 단계 S310에서 산출된 미지정수 실수해의 공분산 행렬을 Z-변환을 이용하여 역상관 상태로 변환한다(S320).
앞서 최소자승법 기반으로 산출한 미지정수 실수해의 공분산 행렬은 각 미지정수 간의 상관계수가 존재하는 상태이다. Correct Fix 확률값인 P(CF)는 공분산 행렬이 모든 상관계수가 0인 역상관 상태일 때 최대값이 산출된다. 따라서 미지정수 실수해의 공분산 행렬을 역상관 상태로 변환하기 위해 Z-변환을 적용하고 수식적으로 아래의 [수학식 9]와 같이 표현된다.
[수학식 9]
Z 변환:
Figure pat00048
여기서, Z-변환에 사용되는
Figure pat00049
행렬은 변환 전 공분산 행렬로부터 수치적으로 산출된다.
Figure pat00050
행렬은 이후 미지정수
Figure pat00051
영역으로 변환하는 과정에도 적용되기 때문에 모든 행렬의 성분값이 정수이고 행렬식의 절대값이 1이어야 하는 제한조건이 있다.
Figure pat00052
와
Figure pat00053
, 두 공분산 행렬에 각각 동일한 과정을 적용하여
Figure pat00054
,
Figure pat00055
행렬이 산출되고,
Figure pat00056
,
Figure pat00057
으로 각각 변환된다.
Figure pat00058
의 대각 성분은
Figure pat00059
의 대각 성분보다 작지만 Z-변환에 tkeyd된 변환 행렬이 다를 경우
Figure pat00060
의 대각 성분이 항상
Figure pat00061
의 대각 성분보다 작다는 성질을 만족하지 못하고 예외가 발생할 수 있다. 따라서 본 발명에서는 예외적으로 발생하는 경우를 없애기 위해
Figure pat00062
또한
Figure pat00063
로부터 산출한
Figure pat00064
행렬을 사용하여 다음의 [수학식 10]과 같이 변환하였다.
[수학식 10]
Figure pat00065
그 결과,
Figure pat00066
와
Figure pat00067
의 두 행렬의 차이는
Figure pat00068
와 마찬가지로 양의 준정부호 행렬의 성질을 만족하게 된다. 따라서 Z-변환 이후에도 예외 없이 본 발명의 방법을 적용한
Figure pat00069
행렬의 대각성분이
Figure pat00070
의 대각성분보다 낮게 나타난다.
이후 단계 S320에서 변환된 공분산 행렬로부터 Correct Fix 확률값을 산출한다(S330). 여기서는 ILS(Integer Least Squares)기법을 통해 미지정수를 결정하는 LAMBDA 기법에서 정확한 P(CF)값을 추정하는 것은 불가능하다. 하지만 LAMBDA 기법을 적용하였을 때 P(CF) 값은 항상 IB(Integer Booststrapping) 기법을 적용하였을 때의 P(CF) 값보다 크다는 것이 증명되었다. 그렇기 때문에 일반적으로 LAMBDA 기법을 적용하였을 때 P(CF) 값으로 IB 기법을 적용하였을 때 산출되는 P(CF) 값을 보수적으로 적용한다. IB 기법을 적용하였을 때 P(CF)는 Z-변환된 미지정수 실수 해의 공분산 행렬에 숄레스키 분해(Cholesky Decomposition)를 적용함으로써 다음의 [수학식 11]로부터 산출할 수 있다.
[수학식 11]
숄레스키 분해:
Figure pat00071
P(CF) 산출식:
Figure pat00072
앞서 단계 S320에서
Figure pat00073
가 준정부호 행렬임을 언급하였다. 그에 따라
Figure pat00074
행렬의 모든 대각 성분은
Figure pat00075
행령의 대응되는 대각 성분보다 작은 값이 되고, 다음의 [수학식 12]로 정리된다.
[수학식 12]
Figure pat00076
P(CF)값은
Figure pat00077
행렬의 대각 성분 값이 작을수록 커지기 때문에 본 발명을 적용하였을 때 P(CF)의 값은 항상 기존에 비해 항상 개선되며, 또한 같은 논리로 추가적인 상대벡터 사전정보의 노이즈가 작아질수록 P(CF)가 더 많이 개선된다.
도 4는 본 발명에 따른 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선을 통한 시뮬레이션 결과를 나타낸 그래프이다.
도 4를 참조하면 반송파 기반 GNSS/INS 약결합 칼만필터를 가용하는 상황에서 추가적인 상대벡터의 노이즈 레벨에 따른 P(CF)의 양상을 보여준다. 86,400개의모든 시점에 대해서 본 발명을 적용했을 때 P(CF)가 증가함을 확인할 수 있고, 노이즈 레벨이 낮을수록 더 많이 개선됨을 통해 본 발명의 특징이 유효함을 검증하였다.
이상과 같이, 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.
10: 반송파 기반 GNSS/INS 약결합 칼만필터 시스템
100: IMU 센서
200: GNSS 수신기
300: GNSS/INS 약결합 칼만필터
310: IMU 필터
320: GNSS 필터

Claims (11)

  1. 항법 무결성 보장을 위한 반송파 기반 GNSS/INS 약결합 칼만필터 시스템에서의 Correct Fix 확률값을 개선하는 방법으로서,
    (a) IMU 센서로부터 GNSS/INS 약결합 칼만필터에 이중 IMU 측정값이 입력되는 단계;
    (b) 상기 단계 (a)에서 입력된 이중 IMU 측정값으로부터 상태벡터를 예측하는 단계;
    (c) 상기 단계 (b)에서 예측된 상태벡터에 포함된 상대벡터정보가 GNSS 수신기로부터 측정된 값과 함께 Correct Fix 확률값이 산출되어 GNSS/INS 약결합 칼만필터에 측정값으로 입력되는 단계; 및
    (d) 상기 단계 (c)에서 입력된 측정값으로부터 상태벡터가 업데이트되는 단계
    를 포함하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선 방법.
  2. 청구항 1에 있어서,
    상기 단계 (c)의 Correct Fix 확률값 산출은,
    (c1) 상기 상대벡터정보를 활용하여 미지정수 실수해를 산출하는 단계;
    (c2) 상기 단계 (c1)에서 산출된 미지정수 실수해의 공분산 행렬을 역상관 상태로 변환하는 단계; 및
    (c3) 상기 단계 (c2)에서 변환된 공분산 행렬로부터 Correct Fix 확률값이 산출되는 단계
    를 포함하는 것을 특징으로 하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선 방법.
  3. 청구항 2에 있어서,
    상기 단계 c1의 미지정수 실수해는,
    Figure pat00078

    에 의하여 산출되는 것
    을 특징으로 하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선 방법.
  4. 청구항 2에 있어서,
    상기 단계 c2는 Z-변환을 이용하며,
    Figure pat00079
    인 것
    을 특징으로 하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선 방법.
  5. 청구항 2에 있어서,
    상기 단계 c3는,
    Figure pat00080

    에 의하여 산출되는 것
    을 특징으로 하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값 개선 방법.
  6. 항법 무결성 보장을 위한 반송파 기반 GNSS/INS 약결합 칼만필터 시스템에서의 Correct Fix 확률값을 개선하기 위한 프로그램으로서,
    비일시적 저장 매체에 저장되며, 프로세서에 의하여,
    (a) IMU 센서로부터 GNSS/INS 약결합 칼만필터에 이중 IMU 측정값이 입력되는 단계;
    (b) 상기 단계 (a)에서 입력된 이중 IMU 측정값으로부터 상태벡터를 예측하는 단계;
    (c) 상기 단계 (b)에서 예측된 상태벡터에 포함된 상대벡터정보가 GNSS 수신기로부터 측정된 값과 함께 Correct Fix 확률값이 산출되어 GNSS/INS 약결합 칼만필터에 측정값으로 입력되는 단계; 및
    (d) 상기 단계 (c)에서 입력된 측정값으로부터 상태벡터가 업데이트되는 단계
    를 포함하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템에서의 Correct Fix 확률값을 개선하기 위한 컴퓨터 프로그램.
  7. 청구항 5에 있어서,
    상기 단계 (c)의 Correct Fix 확률값 산출은,
    (c1) 상기 상대벡터정보를 활용하여 미지정수 실수해를 산출하는 단계;
    (c2) 상기 단계 (c1)에서 산출된 미지정수 실수해의 공분산 행렬을 역상관 상태로 변환하는 단계; 및
    (c3) 상기 단계 (c2)에서 변환된 공분산 행렬로부터 Correct Fix 확률값이 산출되는 단계
    를 포함하는 것을 특징으로 하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값을 개선하기 위한 컴퓨터 프로그램.
  8. 청구항 6에 있어서,
    상기 단계 c1의 미지정수 실수해는,
    Figure pat00081

    에 의하여 산출되는 것
    을 특징으로 하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값을 개선하기 위한 컴퓨터 프로그램.
  9. 청구항 6에 있어서,
    상기 단계 c2는 Z-변환을 이용하며,
    Figure pat00082
    인 것
    을 특징으로 하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값을 개선하기 위한 컴퓨터 프로그램.
  10. 청구항 6에 있어서,
    상기 단계 c3는,
    Figure pat00083

    에 의하여 산출되는 것
    을 특징으로 하는 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률값을 개선하기 위한 컴퓨터 프로그램.
  11. 반송파 기반 GNSS/INS 약결합 칼만필터를 이용한 Correct Fix 확률값을 개선하기 위한 시스템으로서,
    적어도 하나의 프로세서; 및
    컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되,
    상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여,
    (a) IMU 센서로부터 GNSS/INS 약결합 칼만필터에 이중 IMU 측정값이 입력되는 단계;
    (b) 상기 단계 (a)에서 입력된 이중 IMU 측정값으로부터 상태벡터를 예측하는 단계;
    (c) 상기 단계 (b)에서 예측된 상태벡터에 포함된 상대벡터정보가 GNSS 수신기로부터 측정된 값과 함께 Correct Fix 확률값이 산출되어 GNSS/INS 약결합 칼만필터에 측정값으로 입력되는 단계; 및
    (d) 상기 단계 (c)에서 입력된 측정값으로부터 상태벡터가 업데이트되는 단계
    를 포함하는 Correct Fix 확률값을 개선하기 위한 반송파 기반 GNSS/INS 약결합 칼만필터 시스템.
KR1020210192273A 2021-12-30 2021-12-30 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법 KR102592494B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210192273A KR102592494B1 (ko) 2021-12-30 2021-12-30 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210192273A KR102592494B1 (ko) 2021-12-30 2021-12-30 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법

Publications (2)

Publication Number Publication Date
KR20230104315A true KR20230104315A (ko) 2023-07-10
KR102592494B1 KR102592494B1 (ko) 2023-10-24

Family

ID=87155767

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210192273A KR102592494B1 (ko) 2021-12-30 2021-12-30 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법

Country Status (1)

Country Link
KR (1) KR102592494B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100980762B1 (ko) 2007-12-26 2010-09-10 한국항공우주연구원 지상기반 위성항법 보강시스템을 위한 통신제어장치
KR101183866B1 (ko) * 2011-04-20 2012-09-19 서울시립대학교 산학협력단 Ｇｐｓ／ｉｎｓ／영상ａｔ를 통합한 실시간 위치／자세 결정 장치 및 방법
KR20130016072A (ko) * 2011-08-03 2013-02-14 하만 베커 오토모티브 시스템즈 게엠베하 위성 위치지정 데이터와 차량 센서 데이터에 기초한 차량 네비게이션
KR20190087079A (ko) * 2018-01-16 2019-07-24 한국항공대학교산학협력단 물체의 절대 포인트 클라우드 생성 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100980762B1 (ko) 2007-12-26 2010-09-10 한국항공우주연구원 지상기반 위성항법 보강시스템을 위한 통신제어장치
KR101183866B1 (ko) * 2011-04-20 2012-09-19 서울시립대학교 산학협력단 Ｇｐｓ／ｉｎｓ／영상ａｔ를 통합한 실시간 위치／자세 결정 장치 및 방법
KR20130016072A (ko) * 2011-08-03 2013-02-14 하만 베커 오토모티브 시스템즈 게엠베하 위성 위치지정 데이터와 차량 센서 데이터에 기초한 차량 네비게이션
KR20190087079A (ko) * 2018-01-16 2019-07-24 한국항공대학교산학협력단 물체의 절대 포인트 클라우드 생성 장치 및 방법

Also Published As

Publication number Publication date
KR102592494B1 (ko) 2023-10-24

Similar Documents

Publication Publication Date Title
CN111102978B (zh) 一种车辆运动状态确定的方法、装置及电子设备
Chen et al. A hybrid prediction method for bridging GPS outages in high-precision POS application
Nordlund et al. Marginalized particle filter for accurate and reliable terrain-aided navigation
CN111221018B (zh) 一种用于抑制海上多路径的gnss多源信息融合导航方法
CN110514203B (zh) 一种基于isr-ukf的水下组合导航方法
EP3333546B1 (en) Apparatus and method for data-based referenced navigation
CN109407126A (zh) 一种多模接收机联合定位解算的方法
CN102928858A (zh) 基于改进扩展卡尔曼滤波的gnss单点动态定位方法
Yoo et al. Improvement of terrain referenced navigation using a point mass filter with grid adaptation
CN103792562A (zh) 一种基于变换采样点的强跟踪ukf的滤波方法
US8949027B2 (en) Multiple truth reference system and method
Li et al. Robust adaptive filter for shipborne kinematic positioning and velocity determination during the Baltic Sea experiment
CN112525188B (zh) 一种基于联邦滤波的组合导航方法
KR20230104315A (ko) 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법
KR101723751B1 (ko) 위성체의 항법 제어 장치 및 방법
Valizadeh et al. Improvement of navigation accuracy using tightly coupled kalman filter
Zhang et al. Adaptive cubature Kalman filter based on the variance-covariance components estimation
CN114018262B (zh) 一种改进的衍生容积卡尔曼滤波组合导航方法
Fernandes et al. Gnss/mems-ins integration for drone navigation using ekf on lie groups
CN114895340A (zh) 双天线gnss/ins组合导航系统的定位方法和装置
Banachowicz et al. A comparison of the least squares with Kalman filter methods used in algorithms of fusion with dead reckoning navigation data
Runnalls et al. Terrain-referenced navigation using the IGMAP data fusion algorithm
Beckman et al. AUV positioning using bathymetry matching
WO2020225379A1 (en) Method of estimating a constrained zonotope enclosing a state representing motion of at least one mobile target governed by a nonlinear model
CN111856533A (zh) 一种gnss模糊度搜索方法、设备及介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant