[논문]저가형 MEMS 관성측정장치 기반 INS/GPS 통합 항법 장치에서 방위각 추정 성능 향상

천세범; 허문범

doi:10.12673/jkoni.2012.16.5.738

저가형 MEMS 관성측정장치 기반 INS/GPS 통합 항법 장치에서 방위각 추정 성능 향상
Performance Improvement of Azimuth Estimation in Low Cost MEMS IMU based INS/GPS Integrated Navigation System 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.16 no.5 = no.56, 2012년, pp.738 - 743

천세범 (한국항공우주연구원 위성항법팀) , 허문범 (한국항공우주연구원 위성항법팀)

초록
AI-Helper

INS/GPS 통합 항법 필터는 주로 칼만 필터를 이용하여 구성되고 있다. 그러나 낮은 성능의 관성 센서를 이용한 INS/GPS 통합 항법 필터의 경우 센서 오차 레벨 등의 문제로 인해 정확한 방위각 정보의 제공이 곤란하며, 이로 인해 통합 필터를 구성하는 칼만 필터의 추정 성능이나 안정성을 보장할 수 없게 된다. 본 논문에서는 칼만 필터와 파티클 필터의 결합된 형태의 국지선형 파티클 필터를 이용하여 초기 방위각 오차를 극복할 수 있는 방법을 제시하였다.

Abstract ▼ AI-Helper

Kalman filter is generally used in INS/GPS integrated navigation filter. However, the INS with low performance inertia sensor can not find accurate azimuth in initial alignment stage because sensor noise level is too large compare to Earth rotation rate, therefore the performance and stability of Kalman filter can not be guaranteed. In this paper, the extended Kalman filter and particle filter combined filter structure which can be overcome large initial azimuth error is proposed.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 MEMS 센서와 같은 저급 관성센서를 이용하는 관성항법 장치의 초기 정렬 과정에서 발생하는 방위각 오차로 인해 INS/GPS 통합 항법필터의 방위각 추정 성능이 저하하는 현상을 극복하기 위한 방법을 연구하였다.
본 논문에서는 파티클의 수를 억제하기 위해 개선된 제안 밀도를 이용하는 국지선형 파티클 필터(Locally Linearization Particle Filter, 이하 LLPF)를 INS/GPS 통합 항법 필터에 적용하는 방법을 제안하였다. 제시된 방법은 시뮬레이션을 통하여 검증하였으며, 이 결과 초기 방위각 정보의 오차가 크거나 방위각 정보가 전혀 알려져 있지 않은 상황에서도 안정적으로 INS/GPS 통합 항법 수행이 가능함을 확인하였다.

가설 설정

그림 7은 초기 방위각 정보의 오차에 따른 칼만 필터의 방위각 추정 오차(수렴 이후)를 비교한 것이다. 이때 초기 공분산 값은 충분히 큰 값을 제공하여 방위각 정보가 전무한 상황을 가정하였다.
자세 및 방위각 관련 오차 모델은 오차가 매우 작은 미소각의 형태를 지닌다고 가정하여 오차 모델을 구성한다. 식(1)은 칼만 필터 기반의 INS/GPS 통합 항법 필터에서 사용하는 자세 오차 모델을 나타낸 것이다[6].

제안 방법

각각의 위치, 속도, 자세의 초기 정렬 오차 범위에서 파티클이 생성되는 것은 SIR 파티클 필터와 동일하나 그림 3에서 볼 수 있듯이 각 파티클마다 독립적인 칼만 필터를 보유하게 된다. 각각의 칼만 필터는 GPS 측정치의 획득시마다 갱신되며, 개별적인 칼만 필터의 결과가 모여 제안 밀도를 구성한다.
본 논문에서는 이러한 문제에 대한 대안으로 제안 밀도를 칼만 필터를 이용하여 제공하는 LLPF를 적용하였다. 칼만 필터를 이용한 제안 밀도는 식(5)와 같다[9].
초기 방위각 정보에 따른 칼만 필터의 수렴 성능 변화를 확인하기 위해 초기 방위각 오차를 증가시키면서 필터의 방위각 추정 성능 변화를 분석하였다. 그림 7은 초기 방위각 정보의 오차에 따른 칼만 필터의 방위각 추정 오차(수렴 이후)를 비교한 것이다.

대상 데이터

제안된 필터 구조를 검증하기 위해 시뮬레이션을 수행하였다. 시뮬레이션 대상으로 적용한 MEMS IMU는 Crossbow사의 ANC1000이며, 그림 4와 같다.

데이터처리

INS/GPS 통항 항법 필터의 방위각 추정 성능 저하를 극복하기 위해 개선된 제안 밀도를 제안할 수 있는 LLPF를 적용하였고 이를 이용하여 방위각 정보가 전혀 알려져 있지 않은 상황에서의 방위각 추정 성능을 칼만 필터를 이용한 경우와 비교하였다.
제안된 필터 구조를 검증하기 위해 시뮬레이션을 수행하였다. 시뮬레이션 대상으로 적용한 MEMS IMU는 Crossbow사의 ANC1000이며, 그림 4와 같다.

이론/모형

그림 1에서는 파티클 필터의 구성 방법 중 하나인 SIR(Sampling Importance Resampling)파티클 필터를 적용하였다. 초기 정렬에서 얻어진 위치, 속도, 자세의 확률 분포를 기반으로 파티클을 생성하며, 관성 측정치가 제공 되는대로 각각의 파티클이 독자적으로 관성 항법 연산을 수행하게 된다.

성능/효과

이 결과에서 보면 초기 정렬 과정에서 방위각 정보를 얻을 수 없으므로 각 파티클 이전 방위(-180~180도)에 분포되어 있는 것을 확인할 수 있다. 그러나 이동이 시작되면서(300초 부근) 약 10~20초 이내에 급격히 수렴하기 시작하며, 최종적으로 1~2회의 선회 이후에는 매우 적은 오차로 방위각을 추정하고 있음을 확인 할 수 있다.
그림 7에서 초기 방위각 오차가 작은 경우 문제없이 수렴하는 것을 확인할 수 있다. 그러나 초기 방위각 오차가 증가하면 최종적인 추정 오차도 증가하며, 일정 수준 이상으로 초기 방위각 오차가 증가하면 수렴하지 않고 발산하는 것을 확인할 수 있다.
표 2는 LLPF 기반의 INS/GPS 통합 항법 필터의 구성을 나타낸 것이다. 여기서 볼 수 있듯이 파티클 개수는 50개로, 400개 이상의 파티클에서 안정적인 수렴을 보이는 SIR 파티클 필터에 비해 상대적으로 적은 수의 파티클을 이용하는 것을 확인할 수 있다.
이 결과 칼만 필터를 이용한 경우 일정 수준 이상의 방위각 오차에서 발산하는데 반해 LLPF는 안정적인 수렴 성능을 제공할 수 있음을 확인하였다.
그림 8은 LLPF를 적용하여 INS/GPS 통합 항법을 구성한 결과이다. 이 결과에서 보면 초기 정렬 과정에서 방위각 정보를 얻을 수 없으므로 각 파티클 이전 방위(-180~180도)에 분포되어 있는 것을 확인할 수 있다. 그러나 이동이 시작되면서(300초 부근) 약 10~20초 이내에 급격히 수렴하기 시작하며, 최종적으로 1~2회의 선회 이후에는 매우 적은 오차로 방위각을 추정하고 있음을 확인 할 수 있다.
파티클 수가 400개인 경우는 참값에 바이어스 없이 수렴하였으며, 충분한 파티클 수로 인해 확률 분포를 적절히 표현하고 있으나, 100개의 파티클을 이용한 경우는 참 값에 대해 바이어스를 가지고 수렴한 것을 확인 할 수 있다. 이 결과에서 파티클 수의 변화로 인해 파티클 필터의 수렴 특성이 현저히 저하되는 것을 확인 할 수 있으며, 안정적인 수렴을 위해서는 막대한 수의 파티클이 요구됨을 확인할 수 있다.
본 논문에서는 파티클의 수를 억제하기 위해 개선된 제안 밀도를 이용하는 국지선형 파티클 필터(Locally Linearization Particle Filter, 이하 LLPF)를 INS/GPS 통합 항법 필터에 적용하는 방법을 제안하였다. 제시된 방법은 시뮬레이션을 통하여 검증하였으며, 이 결과 초기 방위각 정보의 오차가 크거나 방위각 정보가 전혀 알려져 있지 않은 상황에서도 안정적으로 INS/GPS 통합 항법 수행이 가능함을 확인하였다.
정렬 과정에는 정적인 상태를 유지하였다. 파티클 수가 400개인 경우는 참값에 바이어스 없이 수렴하였으며, 충분한 파티클 수로 인해 확률 분포를 적절히 표현하고 있으나, 100개의 파티클을 이용한 경우는 참 값에 대해 바이어스를 가지고 수렴한 것을 확인 할 수 있다. 이 결과에서 파티클 수의 변화로 인해 파티클 필터의 수렴 특성이 현저히 저하되는 것을 확인 할 수 있으며, 안정적인 수렴을 위해서는 막대한 수의 파티클이 요구됨을 확인할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	파티클 필터는 무엇을 위해 적용되었는가?	파티클 필터는 INS/GPS 통합 항법 필터의 비선형성 문제를 해결하기 위해 적용되었다[2]. 파티클 필터는 비선형 모델과 비정규 (Non-Gaussian) 분포를 갖는 시스템의 상태를 추정할 수 있다.
	일반적으로 상태 변수의 차원에 대해 안정적인 수렴을 위해 요구되는 파티클의 수가 상태 변수의 차수에 대해 지수적으로 증가하는 것으로 알려져 있는 이유는?	일반적으로 상태 변수의 차원에 대해 안정적인 수렴을 위해 요구되는 파티클의 수가 상태 변수의 차수에 대해 지수적으로 증가하는 것으로 알려져 있다[3]. 이는 차원이 증가할수록 제안 밀도 (Proposed Density)의 최적성(Optimality)이 악화되기 때문이며[4], 이러한 이유로 INS/GPS 통합 항법 필터와 같이 상태 변수의 차원이 큰 경우 파티클 필터를 적용하는 것이 효율적이지 않다.
	파티클 필터는 어떠한 시스템의 상태를 추정할 수 있는가?	파티클 필터는 INS/GPS 통합 항법 필터의 비선형성 문제를 해결하기 위해 적용되었다[2]. 파티클 필터는 비선형 모델과 비정규 (Non-Gaussian) 분포를 갖는 시스템의 상태를 추정할 수 있다. 그러나 INS/GPS 통합 항법 필터는 상태 변수의 차원이 매우 크기 때문에 (15차 이상) 파티클 필터를 적용할 경우 적절한 추정 결과를 얻기 위해서는 매우 많은 개수의 파티클을 필요로 한다.

참고문헌 (10)

Myeong-Jong Yu, "Nonlinear Robust Observer Design for Strapdown INS In-Flight Alignment," IEEE Transaction on Aerospace and Electronic System, vol. 40, no.3, pp. 797-807, July 2004

상세보기
H. Carvalho, "Optimal Nonlinear Filtering on GPS/INS Integration," IEEE Transaction on Aerospace and Electronic System, vol. 33, no.3, pp. 835-850, July 1997

상세보기
P. B. Quang, "An Insight into the Issue of Dimensionality in Particle Filtering," Proceeding of the 13th International Conference on Information Fusion, pp.1-8, July 2010
Yong Rui, "Better Proposal Distribution: Object Tracking Using Unscented Particle Filter," Proceedings of Computer Vision and Pattern Recognition, vol. 2, pp. 786-793, Dec. 2001
R. G. Brown, Introduction to Random Signals and Applied Kalman Filtering, 3rd Ed., Jhon Wiley & Sons, 1985
D. H. Titterton, Strapdown Inertial Navigation Technology, 2nd Ed., The Institution of Electronic Engineers, 2004
A. Doucet, Sequential Monte Carlo Methods in Practice, Springer, 2001
B. Ristic, Beyond the Kalman Filter, Artech House, 2004
Deok-jin Lee, Nonlinear Filtering with Applications to Estimation and Navigation, Ph.D Dissertation, May 2005
C. Liu, "Alternating Subspace-Spanning Resampling to Accelerate Markov Chain Monte Carlo Simulation," Journal of the American Statistics Association, vol. 98, no. 461, pp. 110-117, March 2003

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증