지형 참조 항법 기술 중 하나인 TERCOM은 순항미사일에 장착되어 있는 시스템으로 현재까지도 지속적으로 연구되고 있는 기술이다. 본 논문에서는 영역기반 정합 기법과 확장형 칼만필터를 이용하여 TERCOM에 기반한 지형 참조 항법을 시뮬레이션을 통해 분석하였다. 영역기반 정합의 유사성 분석에는 평균제곱오차알고리즘과 상호상관정합 알고리즘을 적용하였다. 기압 고도계와 레이더 고도계, SRTM DTM을 탑재한 항체가 시속 1000km로 545초 간 장방형 궤적으로 비행하도록 시뮬레이션 하였으며, 그 결과 평균제품오차 기반 알고리즘의 거리 오차의 표준연차는 99.6m 상호상판정합 기반 알고리즘은 34.3m로 상호상관정합 기반 알고리즘이 상대적으로 지형에 덜 민감하고 두 알고리즘 모두 지형의 기복 정도에 따라 항법 정밀도의 편차가 큰 것으로 나타났다. 따라서 완만한 지형에도 민감한 알고리즘과 관성항법 적분오차 증가에 따라 적절한 탐색영역의 크기 결정, 비행환경에 따라 요구되는 최적의 지형 데이터베이스의 해상도 결정 등에 대한 연구가 수행되어야 할 것으로 판단된다.
지형 참조 항법 기술 중 하나인 TERCOM은 순항미사일에 장착되어 있는 시스템으로 현재까지도 지속적으로 연구되고 있는 기술이다. 본 논문에서는 영역기반 정합 기법과 확장형 칼만필터를 이용하여 TERCOM에 기반한 지형 참조 항법을 시뮬레이션을 통해 분석하였다. 영역기반 정합의 유사성 분석에는 평균제곱오차 알고리즘과 상호상관정합 알고리즘을 적용하였다. 기압 고도계와 레이더 고도계, SRTM DTM을 탑재한 항체가 시속 1000km로 545초 간 장방형 궤적으로 비행하도록 시뮬레이션 하였으며, 그 결과 평균제품오차 기반 알고리즘의 거리 오차의 표준연차는 99.6m 상호상판정합 기반 알고리즘은 34.3m로 상호상관정합 기반 알고리즘이 상대적으로 지형에 덜 민감하고 두 알고리즘 모두 지형의 기복 정도에 따라 항법 정밀도의 편차가 큰 것으로 나타났다. 따라서 완만한 지형에도 민감한 알고리즘과 관성항법 적분오차 증가에 따라 적절한 탐색영역의 크기 결정, 비행환경에 따라 요구되는 최적의 지형 데이터베이스의 해상도 결정 등에 대한 연구가 수행되어야 할 것으로 판단된다.
TERCOM(TERrain COntour Matching), which is the one of the Terrain Referenced Navigation and used in the cruise missile navigation system, is still under development. In this study, the TERCOM based on area-based matching algorithm and extended Kalman filter is analysed through simulation. In area-ba...
TERCOM(TERrain COntour Matching), which is the one of the Terrain Referenced Navigation and used in the cruise missile navigation system, is still under development. In this study, the TERCOM based on area-based matching algorithm and extended Kalman filter is analysed through simulation. In area-based matching, the mean square difference (MSD) and cross-correlation matching algorithms are applied. The simulation supposes that the barometric altimeter, radar altimeter and SRTM DTM loaded on board. Also, it navigates along the square track for 545 seconds with the velocity of 1000km per hour. The MSD and cross-correlation matching algorithms show the standard deviation of position error of 99.6m and 34.3m, respectively. The correlation matching algorithm is appeared to be less sensitive than the MSD algorithm to the topographic undulation and the position accuracy of the both algorithms is extremely depends on the terrain. Therefore, it is necessary to develop an algorithm that is more sensitive to less terrain undulation for reliable terrain referenced navigation. Furthermore, studies on the determination of proper matching window size in long-term flight and the determination of the best terrain database resolution needed by the flight velocity and area should be conducted.
TERCOM(TERrain COntour Matching), which is the one of the Terrain Referenced Navigation and used in the cruise missile navigation system, is still under development. In this study, the TERCOM based on area-based matching algorithm and extended Kalman filter is analysed through simulation. In area-based matching, the mean square difference (MSD) and cross-correlation matching algorithms are applied. The simulation supposes that the barometric altimeter, radar altimeter and SRTM DTM loaded on board. Also, it navigates along the square track for 545 seconds with the velocity of 1000km per hour. The MSD and cross-correlation matching algorithms show the standard deviation of position error of 99.6m and 34.3m, respectively. The correlation matching algorithm is appeared to be less sensitive than the MSD algorithm to the topographic undulation and the position accuracy of the both algorithms is extremely depends on the terrain. Therefore, it is necessary to develop an algorithm that is more sensitive to less terrain undulation for reliable terrain referenced navigation. Furthermore, studies on the determination of proper matching window size in long-term flight and the determination of the best terrain database resolution needed by the flight velocity and area should be conducted.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
수행하였다. 그리고 그 결과를 분석하여 다양한 비행 환경에서도 안정적인 정확도를 갖는 항법 알고리즘의 구현에 필요한 향후 연구 방향을 도출하였다.
가설 설정
4°, 고도 5000m 이며 HG1700의 기본 오차 항목은 표 1과 같고 빠른 계산 속도를 위해 의 출력비율은 50Hz라 가정하였다. TERCON"] 대부분 순항 미사일에 장착되어 있는 것을 감안하여 비행 속도는 약 1000km/h로 하였으며 장방형 궤적을 따라 545초 간 등속으로 이동한다고 가정하였다. 시뮬레이션 비행 지역의 지형 등고선도와 비행경로는 그림 5와 같다.
수직 정밀도가 20m, 16m 인 SRTM(Shuttle Radar Topography Mission) DTM을 이용하였다. SRIM을 참값으로 가정하고 수평성분에 20m의 우연오차를, 수직 성분에 16m의 우연오차를 첨가하여 재격자화 한 것을 항체에 탑재한 지형 데이터베이스라 가정하였다. weighted mean 방식으로 재격자화 하였으며 GRAVSOFT package 의 geogrid.
속도를 얻는 과정에서 발생하는 것으로 그림 6과 같이 실제 바른 비행항로로 운항하고 있다고 하더라도 순수 관성항법으로 산출된 위치해는 다른 지역을 나타내고 있다. 따라서 실제 항체가 비행하고 있다고 가정될 비행경로가 필요하며 또한 순수 관성항법과 지형 참조 항법의 결과를 비교하기 위해서는 참값으로 가정될 비행경로가 필요하기 때문에 MATLAB INS toolbox를 이용해 가상의 비행 프로파일을 생성하고 항법 방정식으로부터 비행경로를 계산하여 이를 참값이라 가정하였다.
상호상관정합 기반 알고리즘은 격자형태의 지형 고도값을 이용한다고 가정하였으며, 비행 중 측정된 격자 형태의 고도값을 기준영역이라 하고 항체에 탑재되어 있는 지형 데이터베이스로부터 추출한 고도값을 정 합영 역이라 하였다. 측정되는 고도값의 해상도가 90m 가 되도록 레이더 고도계를 배열했다고 가정하였으며 비행속도 및 고도계 측정값의 해상도, 알고리즘 계산 속도를 감안하여 2초마다 5x5개의 고도 측정값을 이용하여 지형 정합을 수행하였다.
시뮬레이션은 항체가 GPS 수신기, 중급 IMU(HG1700), 스트랩다운형 관성항법시스템, 레이더 고도계, 기압 고도계, DTED Level l(SRTM)을 탑재하고 GPS/INS 항법 시스템으로 운항 중 갑자기 GPS 신호가 단절되거나 감쇄되어 지형 참조 항법으로 대체 운항한다고 가정하고 수행하였다. 지형 참조 항법 결과를 비교하기 위해 같은 비행 조건으로 순수 관성항법을 함께 시뮬레이션 하였으며, 지형 참조 항법에서 지형을 참조하여 추정한 항체의 위치해와 순수 관성항법 위치해의 결합은 약결합으로 구현하였다.
오차 보상 필터로는 확장형 칼만필터,UKF(Unscented Kalman Filter) 등이 많이 사용되고 있지만 그 중 상대적으로 연산속도가 빠르다고 알려진 확장형 칼만필터를 이용해 구현하였다(이원진 등, 2009). 시뮬레이션의 초기 위치는 위도 36.5°, 경도 128.4°, 고도 5000m 이며 HG1700의 기본 오차 항목은 표 1과 같고 빠른 계산 속도를 위해 의 출력비율은 50Hz라 가정하였다. TERCON"] 대부분 순항 미사일에 장착되어 있는 것을 감안하여 비행 속도는 약 1000km/h로 하였으며 장방형 궤적을 따라 545초 간 등속으로 이동한다고 가정하였다.
하였다. 측정되는 고도값의 해상도가 90m 가 되도록 레이더 고도계를 배열했다고 가정하였으며 비행속도 및 고도계 측정값의 해상도, 알고리즘 계산 속도를 감안하여 2초마다 5x5개의 고도 측정값을 이용하여 지형 정합을 수행하였다.
평균제곱오차 기반 알고리즘은 프로파일 형태의 지형 고도값을 이용한다고 가정하였으며, 비행 중 고도계로부터 측정된 지형 프로파일을 기준프로파일이라 하고 항체에 탑재되어 있는 지형 데이터베이스로부터 추출한 고도값을 정합 프로파일이라 하였다.
데이터를 이용하였다. 프로파일 형태로 측정된 고도값의 정밀도는 실제 기압 고도계 오차의 분산이 약 lm이 며(Tang, 2005) 비 행 상황에 따라 기 압 고도계 오차의 변화가 큰 것을 감안하여 2m라 가정하였고, 격자 형태로 측정된 고도값의 정밀도는 그림 7과 같은 형태로 측정하는 경우 오차가 커지는 것을 감안하여 5m라 가정하였다. 따라서 참값 SRTM에 각각 2m, 5m의 표준편차를 갖는 우연오차를 첨가하여 고도계 측정데이터라 하였다.
항체에 단일 기압 고도계와 레이더 고도계가 탑재되어 있는 경우에는 항체의 연직 아래의 프로파일 형태의 고도값을 측정할 수 있고, 배열 형태로 레이더 고도계를 배치했을 때는 격자 형태의 고도값을 획득할 수 있다고 가정하였으며 이는 그림 7과 같다.
제안 방법
TERCOM 등 고도계를 이용한 지형 참조 항법 알고리즘의 경우 측정된 고도값으로 관성항법시스템의 고도오차를 보정하는 것으로 알려져 있으므로 지형을 참조하여 산출된 항체 위치의 수직 방향 값은 비행고도 5000m에 2m의 표준편차를 갖는 우연오차를 첨가한 값을 이용하였다.
정합영역은 앞서 기술한 바와 같이 탐색영역 내 기준영역과 같은 크기의 영역이며 탐색영역은 정합 시점에서 순수 관성항법의 수평위치를 기준으로 격자 크기 9x9의 고도값을 지형 데이터베이스로부터 산출한 값으로 하였다. 격자형태의 고도값을 측정할 수 있다고 가정했기 때문에 지형 데이터베이스로부터 내삽을 통해 고도값을 추출하지 않고 기준영역과 탐색영역의 격자점들의 위치를 계산하여 그 점에 해당하는 고도값을 이용하였다. 기준영역과 정합영역의 고도값 간의 상호상관계수를 계산하고 계산된 상관계수를 최소제곱법으로 3차 다항식으로 곡면 근사하여 상관 함수를 결정하였다.
두 알고리즘 모두 비행고도 5000m에 2m의 표준편차를 갖는 우연 오차를 첨가한 값을 정합 시점의 수직위치로 이용하였다. 그러나 지형 데이터베이스의 정밀도가 수평 20m, 수직 16m 이기 때문에 측정치 오차 공분산 행렬의 대각성분에는 지형 데이터베이스의 정밀도를 적용하였다.
기준프로파일과 정합프로파일 간의 평균 제곱 오차를 계산하고 최소값을 갖는 프로파일을 선정하여 항체의 실제 위치를 계산하였다. 이때 항체의 실제 위치는 현 정합 시점의 위치이며 이와 대응되는 순수 관성 항법의 위치해 와의 차이값을 칼만필터의 입력값으로 적용하였다.
항체 위치의 정밀도가 입력되어야 한다. 두 알고리즘 모두 비행고도 5000m에 2m의 표준편차를 갖는 우연 오차를 첨가한 값을 정합 시점의 수직위치로 이용하였다. 그러나 지형 데이터베이스의 정밀도가 수평 20m, 수직 16m 이기 때문에 측정치 오차 공분산 행렬의 대각성분에는 지형 데이터베이스의 정밀도를 적용하였다.
따라서 본 연구에서는 현재까지도 계속 연구되고 있는 시스템인 TERCOM을 기반으로 영역기반 정합 기법과 확장형 칼만필터(EKF, Extended Kalman Filter)를 이용해서 지형 참조 항법 알고리즘을 구성하고 비행 시뮬레이션을 수행하였다. 그리고 그 결과를 분석하여 다양한 비행 환경에서도 안정적인 정확도를 갖는 항법 알고리즘의 구현에 필요한 향후 연구 방향을 도출하였다.
프로파일 형태로 측정된 고도값의 정밀도는 실제 기압 고도계 오차의 분산이 약 lm이 며(Tang, 2005) 비 행 상황에 따라 기 압 고도계 오차의 변화가 큰 것을 감안하여 2m라 가정하였고, 격자 형태로 측정된 고도값의 정밀도는 그림 7과 같은 형태로 측정하는 경우 오차가 커지는 것을 감안하여 5m라 가정하였다. 따라서 참값 SRTM에 각각 2m, 5m의 표준편차를 갖는 우연오차를 첨가하여 고도계 측정데이터라 하였다.
4m로 나타났다. 따라서 항법 알고리즘 수행 시 매정합 시점 마다 기준영역의 고도값의 표준편차를 계산하고 그 값이 각각 20m, 15m, 10m, 5m 이상인 경우에 상호상관정합을 수행하였다. 그 결과 20m를 기준으로 했을 때는 496초 이후 항법 오차가 발산하였는데 이는 10초~44초, 90초~112초, 442초~494초 구간의 완만한 지역에서 순수 관성항법으로만 운항했기 때문인 것으로 판단된다.
값이다. 또한 일괄처리 방식에서는 5개~16개의 고도 측정치를 이용해서 위치해를 추정한다고 알려져 있기 때문에(Groves, 2008) 비행속도(약 278m/s)와 시뮬레이션을 위해 생성한 고도계 측정값의 해상도(약 90m), 알고리즘 계산 속도를 감안하여 5초 간격으로 10 개의 고도 측정치를 이용해 지형정합을 수행하였다.
기준값은 항법 시뮬레이션을 수행하기 전에 상호상관정합 알고리즘을 먼저 수행하여 결정하였다. 매 정합 시점마다 기준영역의 고도값의 표준편차를 계산하고 상호상관정합 결과와 비교해봄으로써 높은 정확도의 정합 결과를 낼 수 있는 특징적인 지형의 특성을 갖는지 판단할 수 있는 일정한 기준을 결정하였다. 또한 완만하거나 구릉지역 같이 비슷한 지형의 형태가 있는 경우 상관계수 간의 편차가 크지 않으므로 부정확한 초기값이 fininsearch 함수에 적용될 수 있으며 local minima에 빠져 정확한 정합 결과를 얻을 수 없다.
상호상관정합 기반 지형 참조 항법 알고리즘의 경우 앞서 언급한 바와 같이 항법 시뮬레이션을 수행하기 전에 상호상관정합 알고리즘을 수행하여 정합하는데 적합한 지역을 비행하고 있는지에 대해 판단할 수 있는 기준을 결정하였다. 상호상관정합 알고리즘을 수행했을 때 상관함수의 극대값을 찾지 못한 경우 기준영역의 고도값의 평균과 표준편차는 각각 207.
정합 시점에서 참값 비행경로의 수평위치를 기준으로 격자크기 5X5의 고도값을 우연오차 5m를 첨가한 고도계 측정 데이터로부터 추출하고 이를 기준영역이라 하였다. 정합영역은 앞서 기술한 바와 같이 탐색영역 내 기준영역과 같은 크기의 영역이며 탐색영역은 정합 시점에서 순수 관성항법의 수평위치를 기준으로 격자 크기 9x9의 고도값을 지형 데이터베이스로부터 산출한 값으로 하였다.
지형 참조 항법 결과를 비교하기 위해 같은 비행 조건으로 순수 관성항법을 함께 시뮬레이션 하였으며, 지형 참조 항법에서 지형을 참조하여 추정한 항체의 위치해와 순수 관성항법 위치해의 결합은 약결합으로 구현하였다. 오차 보상 필터로는 확장형 칼만필터,UKF(Unscented Kalman Filter) 등이 많이 사용되고 있지만 그 중 상대적으로 연산속도가 빠르다고 알려진 확장형 칼만필터를 이용해 구현하였다(이원진 등, 2009).
지형 참조 항법 및 순수 관성항법을 수행한 결과는 참값 비행경로와의 위도 오차, 경도 오차, 고도 오차, 거리오차를 계산하여 항법 정확도를 비교하였다. 위도 오차를 경도 오차를 #이라 하였을 때 거리 오차 △D는 식 (4)와 같다.
대상 데이터
고도 측정값은 참값으로 가정한 SRTM에 우연 오차를 첨가한 데이터를 이용하였다. 프로파일 형태로 측정된 고도값의 정밀도는 실제 기압 고도계 오차의 분산이 약 lm이 며(Tang, 2005) 비 행 상황에 따라 기 압 고도계 오차의 변화가 큰 것을 감안하여 2m라 가정하였고, 격자 형태로 측정된 고도값의 정밀도는 그림 7과 같은 형태로 측정하는 경우 오차가 커지는 것을 감안하여 5m라 가정하였다.
데이터처리
격자형태의 고도값을 측정할 수 있다고 가정했기 때문에 지형 데이터베이스로부터 내삽을 통해 고도값을 추출하지 않고 기준영역과 탐색영역의 격자점들의 위치를 계산하여 그 점에 해당하는 고도값을 이용하였다. 기준영역과 정합영역의 고도값 간의 상호상관계수를 계산하고 계산된 상관계수를 최소제곱법으로 3차 다항식으로 곡면 근사하여 상관 함수를 결정하였다. 상관함수의 극대값은 MATLAB Optimization toolboxe fininsearch 함수를 이용해 결정하였으며 함수의 초기값은 곡면근사 하기 전 상관계수 중최대값을 갖는 행렬의 위치로 하였다.
정합요소로는 표고를 이용하였으며 유사성 분석 기법으로는 평균제곱오차와 상호상관정합을 이용하였다 . 평균제곱오차를 이용한 방법은 데이터 간 차이가 적을수록 유사한 분포를 띄고 있을 확률이 크다는 가정 하에 그림 4와 같이 기준프로파일과 정합프로파일 표고값의 평균제곱오차가 최소가 되는 프로파일을 추출하는 방법이다.
으로 알려져 있다. 측정된 지면상 고도와 지형 데이터 베 이 스를 평 균제곱오차(MSD, Mean Square Difference), 상관관계 (Correlatioii method)에 의해 비교하여 항체의 위치해를 추정하고(Haag et al, 2006), 추정된 값을 칼만 필터에 적용하여 항체의 위치를 보상한다. 그림 2는 TERCOM 시스템의 개략도이다.
이론/모형
SRIM을 참값으로 가정하고 수평성분에 20m의 우연오차를, 수직 성분에 16m의 우연오차를 첨가하여 재격자화 한 것을 항체에 탑재한 지형 데이터베이스라 가정하였다. weighted mean 방식으로 재격자화 하였으며 GRAVSOFT package 의 geogrid.f를 이용하였다.
전 정합 시점의 좌표를 (#), 회전변환 전 순수 관성항법의 위치해를(X, Y), (#)를 원점으로 하여 회전변환 한 데이터의 좌표를 (Xr, YR), 회전각을 #이라 했을 때 회전변환은 식 (3)과 같다. 고도계 측정 데이터 및 지형 데이터베이스로부터 고도값을 산출할 때는bilinear interpolation을 이용하였다.
본 논문에서는 일정량의 고도 데이터를 모아 일괄 처리하는 TERCOM 방식을 적용하여 지형 참조 항법 알고리즘을 구성하였다.
기준영역과 정합영역의 고도값 간의 상호상관계수를 계산하고 계산된 상관계수를 최소제곱법으로 3차 다항식으로 곡면 근사하여 상관 함수를 결정하였다. 상관함수의 극대값은 MATLAB Optimization toolboxe fininsearch 함수를 이용해 결정하였으며 함수의 초기값은 곡면근사 하기 전 상관계수 중최대값을 갖는 행렬의 위치로 하였다. 완만한 지역 등 특징적인 지형의 특성이 충분하지 않으면 높은 정확도의 정합 결과를 얻을 수 없기 때문에 측정된 고도값, 즉 기준영역의 고도값의 표준편차가 일정한 기준값 이하이면 지형정합을 수행하지 않았다.
. 수직 정밀도가 20m, 16m 인 SRTM(Shuttle Radar Topography Mission) DTM을 이용하였다. SRIM을 참값으로 가정하고 수평성분에 20m의 우연오차를, 수직 성분에 16m의 우연오차를 첨가하여 재격자화 한 것을 항체에 탑재한 지형 데이터베이스라 가정하였다.
성능/효과
따라서 항법 알고리즘 수행 시 매정합 시점 마다 기준영역의 고도값의 표준편차를 계산하고 그 값이 각각 20m, 15m, 10m, 5m 이상인 경우에 상호상관정합을 수행하였다. 그 결과 20m를 기준으로 했을 때는 496초 이후 항법 오차가 발산하였는데 이는 10초~44초, 90초~112초, 442초~494초 구간의 완만한 지역에서 순수 관성항법으로만 운항했기 때문인 것으로 판단된다. 15m, 10m, 5m를 기준으로 했을 때는 15m 일 때가 가장 높은 항법 정확도를 나타내었으며 표 5와 같다.
3m로 나타났다. 그러나 좀 더 완만한 지 역에서 15m, 5m 이상일 때 상호 상관 정합을 수행하도록 시뮬레이션 한 결과 5m 이상일 때 정합한 결과가 상대적으로 더 정확했으며 이때 위도, 경도, 고도, 거리 오차의 표준편차는 174.2m, 506.0m, 29.1m, 490.9m로 나타났다. 그러나 이 기준값은 비행지역의 지형 기복에 따라 다르므로 비행 전 예상 항로 의지형에 따라 달리 적용해야 하는 것으로 판단된다.
또한 본 연구에서는 탐색영역의 크기를 단순히 기준영역 크기의 약 2배로 결정하였으나 장시간 비행에 적용할 때에는 이와 같은 탐색영역의 크기가 관성항법 시스템의 적분오차를 포함하지 않을 수 있으므로, 증가하는 관성항법시스템의 오차에 비례하도록 적절히 탐색영역의 크기를 결정해주는 것에 관한 연구가 필요하다. 그리고 본 논문의 시뮬레이션 비행 속도가 lOOOkm/h 였기 때문에 약 90m 해상도의 SRTMDTM을 이용했을 때 지형 기복이 충분한 지 역에서 약 30m 급의 항법 정확도를 얻을 수 있었던 것으로 판단된다. 따라서 비행 속도에 따라 요구되는 지형 데이터베이스의 최적의 해상도에 관한 연구가 필요하며 나아가 측정된 고도값과 지형 데이터베이스의 수평 정밀도 및 수직 정밀도가 지형 참조 항법 정확도에 미치는 영향에 관한 연구도 수행되어야 할 것으로 판단된다.
그러나 이 기준값은 비행지역의 지형 기복에 따라 다르므로 비행 전 예상 항로 의지형에 따라 달리 적용해야 하는 것으로 판단된다. 또한 상호 상관 정합 기반 알고리즘이 평균제곱오차 기반 알고리즘에 비해 상대적으로 지형에 덜 민감한 것으로 판단되나, 두 알고리즘 모두 지형 기복에 따라 항법 정확도의 편차가 크며 완만한 지역에서는 매우 불안정한 것으로 판단되었다.
6m로 나타났다. 상호상관정합기반 지형 참조 항법 알고리즘은 기준영역의 고도값의 표준편차가 20m, 15m, 10m, 5m 이상일 때 상호 상관 정합을 수행한 결과 15m 일 때의 결과가 상대적으로 정확했으며 이때 위도, 경도, 고도, 거리 오차의 표준편차는각각 26.9m, 33.2m, 19.4m, 34.3m로 나타났다. 그러나 좀 더 완만한 지 역에서 15m, 5m 이상일 때 상호 상관 정합을 수행하도록 시뮬레이션 한 결과 5m 이상일 때 정합한 결과가 상대적으로 더 정확했으며 이때 위도, 경도, 고도, 거리 오차의 표준편차는 174.
장방형의 궤적을 1000km/h의 속도로 545초 간 비행하도록 시뮬레이션을 수행한 결과 순수 관성항법의 위도, 경도, 고도, 거리 오차의 표준편차는 각각 409.5m, 49.8m, 206.2m, 400.9m로 나타났다.
평균제곱오차 기반 지형 참조 항법 알고리즘 수행 결과 위도, 경도, 고도, 거리의 표준편차가 각각 106.9m, 40.2m, 11.3m, 99.6m로 표 4와 같으며 각각의 오차 분포는 그림 11과같다.
평균제곱오차 기반 지형 참조 항법 알고리즘을 수행한 경우 위도, 경도, 고도, 거리 오차의 표준편차는 각각106.9m, 40.2m, 11.3m, 99.6m로 나타났다. 상호상관정합기반 지형 참조 항법 알고리즘은 기준영역의 고도값의 표준편차가 20m, 15m, 10m, 5m 이상일 때 상호 상관 정합을 수행한 결과 15m 일 때의 결과가 상대적으로 정확했으며 이때 위도, 경도, 고도, 거리 오차의 표준편차는각각 26.
후속연구
그리고 본 논문의 시뮬레이션 비행 속도가 lOOOkm/h 였기 때문에 약 90m 해상도의 SRTMDTM을 이용했을 때 지형 기복이 충분한 지 역에서 약 30m 급의 항법 정확도를 얻을 수 있었던 것으로 판단된다. 따라서 비행 속도에 따라 요구되는 지형 데이터베이스의 최적의 해상도에 관한 연구가 필요하며 나아가 측정된 고도값과 지형 데이터베이스의 수평 정밀도 및 수직 정밀도가 지형 참조 항법 정확도에 미치는 영향에 관한 연구도 수행되어야 할 것으로 판단된다.
따라서 향후 완만한 지역에서도 운용할 수 있는 미세한 지형 변화에도 민감한 알고리즘에 대해 연구되어야 할 것이다. 또한 본 연구에서는 탐색영역의 크기를 단순히 기준영역 크기의 약 2배로 결정하였으나 장시간 비행에 적용할 때에는 이와 같은 탐색영역의 크기가 관성항법 시스템의 적분오차를 포함하지 않을 수 있으므로, 증가하는 관성항법시스템의 오차에 비례하도록 적절히 탐색영역의 크기를 결정해주는 것에 관한 연구가 필요하다.
것이다. 또한 본 연구에서는 탐색영역의 크기를 단순히 기준영역 크기의 약 2배로 결정하였으나 장시간 비행에 적용할 때에는 이와 같은 탐색영역의 크기가 관성항법 시스템의 적분오차를 포함하지 않을 수 있으므로, 증가하는 관성항법시스템의 오차에 비례하도록 적절히 탐색영역의 크기를 결정해주는 것에 관한 연구가 필요하다. 그리고 본 논문의 시뮬레이션 비행 속도가 lOOOkm/h 였기 때문에 약 90m 해상도의 SRTMDTM을 이용했을 때 지형 기복이 충분한 지 역에서 약 30m 급의 항법 정확도를 얻을 수 있었던 것으로 판단된다.
참고문헌 (8)
권재현 등 (2009a), 지능형 데이터베이스 기반 항법기술에 관한 연구, 연구계획서, 서울시립대학교, pp. 39-41.
권재현 등 (2009b), 지능형 데이터베이스 기반 항법기술, 기술현황보고서, 서울시립대학교, pp. 94-95.
유복모, 토니쉥크 (2003), 현대 디지털 사진 측량학, 피어슨 에듀케이션 코리아, pp. 113-119.
이원진, 권재현, 이종기, 한중희 (2009), 실시간 공중 자료획득 시스템을 위한 GPS/MEMS IMU 센서 검증 및 GPS/INS 통합 알고리즘, 한국측량학회지, 한국측량학회, 제27권, 제2호, pp. 225-234.
Cowie, M., Wilkinson, N., Powlesland, R., (2008), Latest Development of the TERPROM Digital Terrain System(DTS), Position, Location and Navigation Symposium 2008 IEEE/ION, IEEE, Monterey, pp. 1219-1229.
Groves, Paul D., (2008), Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems, APTECH HOUST, BOSTON LONDON, pp. 328-349.
Haag, Maarten U. De, Vadlamani, Ananth, Campbell, Jacob L., and Dickman, Jeff (2006), Application of Laser Range Scanner Based Terrain Referenced Navigation Systems for Aircraft Guidance, Proceedings of the Third IEEE International Workshop on Electronic Design, Test and Applications, IEEE, DELTA, pp. 269-274.
Tang, Wang (2005), Barometric altimeter short-term accuracy analysis, Aerospace and Electronic Systems Magazine, IEEE, Vol. 20, No. 12, pp. 24-26.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.