선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러므로 UWB 입력 거리 값에 대해 먼저 제거하게 되는 오차의 크기를 환경에 따라 어떻게 할 것인가가 이동객체의 위치 정밀도에 중요한 요소가 된다. 본 논문에서는 이 때 제거하는 오차의 크기를 어떻게 할 것인가에 대한 실험을 하여 그 결과를 비교하였다.
- 본 장에서는 영역측정을 위해 사용하는 UWB 기술의 특성과 위치정밀도를 개선하기 위해 사용 하는 필터들에 대해서 기술한다.
- 본 장에서는 파티클 필터를 활용한 실내 이동 객체의 추정 위치를 개선하기 위한 알고리즘을 제안한다. 본 장의 구성은 기존 앵커와 이동객체 사이의 데이터 취득 방법과 기본적인 이동객체의 위치추정을 위한 샘플 추출 방법에 대해 설명하고, 제안 방법을 알고리즘으로 기술하였다.
- 본 절에서는 이동객체의 위치 정밀도를 향상시키기 위한 연구된 필터 방식들에 대해 설명한다. 먼저 필터의 기본이 되는 베이즈 필터와 베이즈 필터의 변형인 칼만 필터, 샘플을 기반으로 구현한 파티클 필터를 설명한다.
가설 설정
- 확장 칼만 필터와 언센티드 칼만 필터는 이동 객체의 이동과 관찰 모델을 선형이라 가정하고, 그들의 오차와 초기 추정 확률분포를 실제와는 다른 Gaussian이라고 가정하고 있다. 하지만 파티클 필터는 샘플들의 집합으로 이동객체의 위치 추정을 하고 있으므로 이동 모델을 실제와는 다른 Gaussian으로 가정할 필요가 없고, 선형화 과정이 필요가 없다.
제안 방법
- UWB 신호는 비교적 깨끗한 환경에서 앵커에서부터 이동객체 간의 거리 값이 cm정도의 측정이 가능하지만 여러 환경에 따른 NLOS를 고려하기 위해서 최소 오차를 1m까지 크게 하여 실험하였다.
- 하지만 제안 알고리즘에서 반복 수신된 거리 데이터들 중 최소값을 위치추정을 위한 입력 값으로 취하더라도 환경에 따라 오차의 크기가 달라지므로 입력된 거리 값에서 제거되어야 할 정확한 오차 값을 알 수 없다. 그러므로 본 실험에서는 제안 알고리즘의 오차 정도에 따른 이동객체의 위치추정 정확도를 평가하고자 입력된 신호의 거리 오차 범위를 0.15m~0.75m, 0.25m~0.85m 등 거리 데이터에 포함된 오차 크기를 최대 1m~1.55m까지 다르게 하여 이동객체의 위치를 추정 하였다.
- 본 실험에서는 EKF나 UKF와 파티클 필터와의 성능 비교는 하지 않았다. 다만 일반적인 삼각측량을 통한 위치 추정 값이 제안한 알고리즘을 이용하여 보정하였을 때 오차 정도와 위치정밀도를 비교를 통해 제안 알고리즘의 성능을 알아보았다.
- 첫 번째 단계에서는 UWB 신호를 사용하여 앵커와 이동 객체 간의 거리 값을 구한다. 두 번째 단계에서는 UWB 신호를 이용하여 구한 거리 값에서 예측되는 오차와 bias 값을 제거하고, 삼각 측량을 통하여 이동객체의 위치 추정을 한다. 세 번째 단계에서는 파티클 필터 기법을 이용하여 이동객체의 위치를 보정한다.
- 제안 알고리즘의 두 번째 단계에서는 이 값들을 이용하여 측정된 UWB 신호로부터 얻은 영역 값에서 이 오차 값들을 제거하고 삼각측량을 하여 이동객체의 위치 추정을 한다. 마지막으로 두 번째 단계에서 추정된 값들로 파티클들의 확률분포를 생성하고 각 파티클들에 가중치를 적용하여 추정된 이동객체의 위치를 보정 한다.
- 본 논문에서는 UWB 기술을 이용하여 위치를 알고 있는 고정된 세 앵커들로부터 이동객체 간의 영역을 측정하고, 측정된 값에서 먼저 bias 값과 측정 영역 오차를 제거한 후에 삼각 측량하여 이동객체의 위치를 추정하였다. 영역 측정을 위한 UWB는 무선통신 시스템에 간섭을 주지 않고, 센티미터 단위의 정확한 영역을 추정할 수 있다.
- 본 실험에서는 EKF나 UKF와 파티클 필터와의 성능 비교는 하지 않았다. 다만 일반적인 삼각측량을 통한 위치 추정 값이 제안한 알고리즘을 이용하여 보정하였을 때 오차 정도와 위치정밀도를 비교를 통해 제안 알고리즘의 성능을 알아보았다.
- 본 실험에서는 세 개의 앵커로부터 수신된 UWB 신호를 변환한 거리 값을 이용하여 하나의 이동객체의 위치를 추정하도록 하였다. 이 때 변환된 각 앵커로부터의 측정 거리 데이터들은 실내의 NLOS 환경을 반영하기 위해 최소 0.
- 이 때 추정된 이동객체의 위치는 실내 환경의 특성과 UWB의 장애물에 따른 반사파, 회절파, 산란파 등에 의해 발생하는 NLOS로 인하여 경로 손실 특성과 페이딩 특성으로 인해 정확하지가 않다. 본 연구에서는 이런 추정된 위치의 정확도 문제를 해결하기 위해 기존의 연구에서 제안한 방식과 다른 새로운 방식을 제안하고 필터링 기법으로 파티클 필터를 활용한다[17-21].
- 본 장에서는 파티클 필터를 활용한 실내 이동 객체의 추정 위치를 개선하기 위한 알고리즘을 제안한다. 본 장의 구성은 기존 앵커와 이동객체 사이의 데이터 취득 방법과 기본적인 이동객체의 위치추정을 위한 샘플 추출 방법에 대해 설명하고, 제안 방법을 알고리즘으로 기술하였다.
- 세 앵커로부터의 거리값을 이용하여 이동객체의 위치추정을 하기 전에 제거되는 오차 값은 오차를 포함한 거리 값이 실제 거리 값보다 크고,[2]의 입력된 UWB 거리 데이터들이 실제 이동객체와의 오차가 0.15m~0.45m 정도라는 점을 이용하여 이 범위의 일정한 값을 제거하도록 하였다. 하지만 제안 알고리즘에서 반복 수신된 거리 데이터들 중 최소값을 위치추정을 위한 입력 값으로 취하더라도 환경에 따라 오차의 크기가 달라지므로 입력된 거리 값에서 제거되어야 할 정확한 오차 값을 알 수 없다.
- 두 번째 단계는 가중치 계산 단계이다. 센서로부터 수신된 관찰값과 첫 번째 단계에서 예측한 값을 비교하여 각 샘플의 가중치를 계산한다. 마지막 단계에서는 새로이 계산된 가중치를 고려하여 새로운 샘플을 추출한다.
- 제안 알고리즘에서는 위치정밀도를 높이기 위해 파티클 필터를 이용한다. 파티클 필터는 이동 객체의 위치추정을 하기 전에 제어 입력값을 가지고 객체의 이동에 따른 예측분포 belief Bel- (xt)를 유도하게 되는데 이 때, 제어 입력으로 사용되는 객체들의 이동거리 데이터들에는 미끄러짐 등으로 인한 오차가 발생하여 위치정확도에 영향을 줄 수 있으므로 제어 입력의 노이즈에 따른 위치 추정 정밀도도 알아보았다.
- 45m 정도의 거리 오차가 포함 된다는 실험 결과가 있다. 제안 알고리즘의 두 번째 단계에서는 이 값들을 이용하여 측정된 UWB 신호로부터 얻은 영역 값에서 이 오차 값들을 제거하고 삼각측량을 하여 이동객체의 위치 추정을 한다. 마지막으로 두 번째 단계에서 추정된 값들로 파티클들의 확률분포를 생성하고 각 파티클들에 가중치를 적용하여 추정된 이동객체의 위치를 보정 한다.
- 파티클 필터는 이동 객체의 위치추정을 하기 전에 제어 입력값을 가지고 객체의 이동에 따른 예측분포 belief Bel- (xt)를 유도하게 되는데 이 때, 제어 입력으로 사용되는 객체들의 이동거리 데이터들에는 미끄러짐 등으로 인한 오차가 발생하여 위치정확도에 영향을 줄 수 있으므로 제어 입력의 노이즈에 따른 위치 추정 정밀도도 알아보았다. 제어 입력 값의 노이즈에 대한 영향을 알아보기 위해서는 이동 거리에 대한 제어 입력 오차를 1mm에서부터 5mm까지 하여 위치 정확도에 대한 평가를 비교하였다.
- 파티클 필터 알고리즘은 세 단계로 이루어진다. 첫 번째 단계는 샘플 추출 단계로 이동객체의 이전 belief를 나타내는 샘플 집합 St - 1과, 제어입력 ut, 관찰값 zt를 이용하여 posterior belief를 나타내는 n개의 샘플들을 추출한다. 두 번째 단계는 가중치 계산 단계이다.
- 제안 알고리즘에서는 위치정밀도를 높이기 위해 파티클 필터를 이용한다. 파티클 필터는 이동 객체의 위치추정을 하기 전에 제어 입력값을 가지고 객체의 이동에 따른 예측분포 belief Bel- (xt)를 유도하게 되는데 이 때, 제어 입력으로 사용되는 객체들의 이동거리 데이터들에는 미끄러짐 등으로 인한 오차가 발생하여 위치정확도에 영향을 줄 수 있으므로 제어 입력의 노이즈에 따른 위치 추정 정밀도도 알아보았다. 제어 입력 값의 노이즈에 대한 영향을 알아보기 위해서는 이동 거리에 대한 제어 입력 오차를 1mm에서부터 5mm까지 하여 위치 정확도에 대한 평가를 비교하였다.
- 기존의 이동객체의 위치 추정 방법은 입력된 신호로부터 이동객체의 위치를 추정 한 후에 추정된 위치 값에서 bias 값과 추정 위치 값에 포함되어 있다고 예상되는 영역 오차 값을 제거하고, 필터링을 한다. 하지만 본 논문에서 제안하는 기법은 이동객체의 위치 추정을 하기 전에 수신된 UWB 신호에 포함되어 있는 영역 오차를 먼저 제거한 후에 삼각측량을 하고, 필터 기법을 이용하여 위치 보정을 하는 것 이다.
- 기존 위치추정 알고리즘들은 수신된 UWB 신호를 거리 데이터로 변환하여 이동 객체의 위치 추정을 한 후 UWB 신호에 포함되어 있는 오차 값을 제거하여 위치 정밀도를 높이도록 하였다. 하지만 본 논문에서 제안한 알고리즘은 계산을 간단하도록 하기 위해 수신된 거리 데이터에 포함된 오차를 먼저 제거한 후 이동객체의 위치를 추정하고, 이 추정값을 파티클 필터를 이용하여 위치 보정하는 방법을 제안하였다. 그리고 실험을 통하여 제안한 알고리즘이 기존 방법보다 정밀도가 우수함을 보였다.
이론/모형
- 비선형 상태를 처리 할 수 있도록 확장 칼만 필터(Extended EKF)[6,7]와 언센티드 칼만 필터(Unscented KF)[8-10] 기법을 활용하고 있지만 둘 다 비선형 상태를 선형으로 근사 시켜서 비선형 시스템을 처리하므로 최선이 될 수 없다. 그러므로 본 논문에서는 이동객체의 추정 위치 정밀도를 높이기 위해 파티클 필터[11-16] 기법을 사용한다.
- 본 연구에서 활용하는 기본적인 측위 방법은 삼각측량에 의한 방법이다. 위치를 알고있는 고정된 세 개 이상의 앵커로부터 이동객체 간의 UWB 신호를 각각 입력 받는다.
성능/효과
- (그림 7)은 이 실험에 대한 결과로써 각 이동 시간에 따른 삼각측량 위치추정 결과와 파티클 필터를 이용한 제안 알고리즘의 위치 추정 결과를 보인 것이다. (그림 7)에서 우리는 파티클 필터를 이용한 제안 알고리즘이 이동 거리에 대한 제어 입력 값에 노이즈가 없다고 할 때, 위치 정확도가 높아졌으며 이동에 따른 오차가 누적되지 않음을 확인할 수 있었다.
- 하지만 본 논문에서 제안한 알고리즘은 계산을 간단하도록 하기 위해 수신된 거리 데이터에 포함된 오차를 먼저 제거한 후 이동객체의 위치를 추정하고, 이 추정값을 파티클 필터를 이용하여 위치 보정하는 방법을 제안하였다. 그리고 실험을 통하여 제안한 알고리즘이 기존 방법보다 정밀도가 우수함을 보였다. 또한 센서에 의한 제어 입력의 노이즈가 위치추정 정확도에 대한 영향을 확인할 수 있었다.
- 그리고 실험을 통하여 제안한 알고리즘이 기존 방법보다 정밀도가 우수함을 보였다. 또한 센서에 의한 제어 입력의 노이즈가 위치추정 정확도에 대한 영향을 확인할 수 있었다.
- 281m 정도의 평균 오차가 발생하여 오차가 3cm 이내 위치 정확도를 보였으며, 이동객체의 실제 위치와 추정 위치간의 오차가 일정하게 나타났다. 또한 이 결과로 오차 bias 값과 예측 오차 값을 감안한 거리 데이터로 위치추정을 한후 추정 값에서 오차를 제거하는 방법보다 위치 정확도가 더 우수함을 알 수 있었다.
- 또한 파티클 필터를 사용하여 위치보정을 하는 경우 이동에 따른 거리입력 오차가 누적되지는 않지만 제어 입력 노이즈가 이동객체의 위치추정 정밀도에 영향을 미침을 알 수 있었다. 그러므로 제어 입력 노이즈를 완화하여 위치정밀도를 높일 수 있는 방법에 대한 연구도 필요하다.
- 07m 정도의 평균오차가 있었다. 반면 제안 파티클 필터 알고리즘은 0.281m 정도의 평균 오차가 발생하여 오차가 3cm 이내 위치 정확도를 보였으며, 이동객체의 실제 위치와 추정 위치간의 오차가 일정하게 나타났다. 또한 이 결과로 오차 bias 값과 예측 오차 값을 감안한 거리 데이터로 위치추정을 한후 추정 값에서 오차를 제거하는 방법보다 위치 정확도가 더 우수함을 알 수 있었다.
- 제어 입력 값의 노이즈에 대한 실험 결과는 제어 입력에 제어 입력 값인 이동거리에 대한 오차를 고려하지 않았을 때 삼각 측량은 1.07m 정도의 평균오차가 있었다. 반면 제안 파티클 필터 알고리즘은 0.
후속연구
- 실내의 밀집된 환경은 앵커로부터 수신한 거리 값이 NLOS로 인해 실제 거리와 오차가 큰 거리 값을 수신할 수 있는데 이러한 경우 수신된 거리 데이터의 오차로 인해 이동객체의 위치 정확도가 많이 떨어지는 것을 알 수 있다. 그러므로 실내 이동객체의 위치추정 정밀도를 높이기 위해서는 NLOS 신호를 식별하고 완화할 수 있도록 하는 최적의 방법을 찾는 것이 우선되어야 할 것이다.
- 또한 파티클 필터를 사용하여 위치보정을 하는 경우 이동에 따른 거리입력 오차가 누적되지는 않지만 제어 입력 노이즈가 이동객체의 위치추정 정밀도에 영향을 미침을 알 수 있었다. 그러므로 제어 입력 노이즈를 완화하여 위치정밀도를 높일 수 있는 방법에 대한 연구도 필요하다. 또한 파티클 계산 자원에 따라 파티클 필터의 효율성이 달라질 수 있으므로 파티클 필터의 성능을 높이기 위해 적절한 파티클의 수를 선택하는 방법과 상황에 따라 파티클의 수를 효율적으로 다르게 선택할 수 있는 방법에 대한 연구도 필요하다[4].
- (그림 8)에서 보는 것처럼 삼각측량에 의한 위치 추정은 제어 입력 값에 포함된 노이즈에 큰 영향을 받지 않으나, 파티클 필터의 경우는 제어 입력에 포함된 노이즈가 클수록 이동객체의 위치 추정 결과와 실제 위치 간의 오차가 급속하게 커짐을 볼 수 있다. 그러므로 향후 연구에서는 제어입력에 대한 노이즈를 최소화 하는 방법도 고려해야 할 것이다.
- 향후 제안 알고리즘의 정확한 성능 평가와 좀 더 개선된 위치추정 알고리즘 개발을 위해서 반복적인 실험을 통해 본 알고리즘에서 제안한 이동객체의 위치추정 전에 UWB 거리 신호에서 먼저 제거하는 적절한 오차 값의 크기를 찾도록 할 것이다. 또한 본 실험에서처럼 수신된 거리 값에서 일정한 크기의 오차값을 제거하는 것이 아닌 환경에 따라 다른 크기의 오차값을 제거할 수 있는 방안에 대한 연구도 수행할 것이다. 아울러 실내 환경에서 가장 큰 문제가 되고 있는 NLOS를 식별하고 완화할 수 있는 방법을 찾는 연구를 수행할 것이다.
- 그러므로 제어 입력 노이즈를 완화하여 위치정밀도를 높일 수 있는 방법에 대한 연구도 필요하다. 또한 파티클 계산 자원에 따라 파티클 필터의 효율성이 달라질 수 있으므로 파티클 필터의 성능을 높이기 위해 적절한 파티클의 수를 선택하는 방법과 상황에 따라 파티클의 수를 효율적으로 다르게 선택할 수 있는 방법에 대한 연구도 필요하다[4].
- 또한 본 실험에서처럼 수신된 거리 값에서 일정한 크기의 오차값을 제거하는 것이 아닌 환경에 따라 다른 크기의 오차값을 제거할 수 있는 방안에 대한 연구도 수행할 것이다. 아울러 실내 환경에서 가장 큰 문제가 되고 있는 NLOS를 식별하고 완화할 수 있는 방법을 찾는 연구를 수행할 것이다.
- 향후 제안 알고리즘의 정확한 성능 평가와 좀 더 개선된 위치추정 알고리즘 개발을 위해서 반복적인 실험을 통해 본 알고리즘에서 제안한 이동객체의 위치추정 전에 UWB 거리 신호에서 먼저 제거하는 적절한 오차 값의 크기를 찾도록 할 것이다. 또한 본 실험에서처럼 수신된 거리 값에서 일정한 크기의 오차값을 제거하는 것이 아닌 환경에 따라 다른 크기의 오차값을 제거할 수 있는 방안에 대한 연구도 수행할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.