$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

언센티드 파티클 필터를 이용한 비선형 시스템 상태 추정
Nonlinear System State Estimating Using Unscented Particle Filters 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.17 no.6, 2013년, pp.1273 - 1280  

권오신 (군산대학교)

초록
AI-Helper 아이콘AI-Helper

움직이는 물체를 추적함에 있어 언센티드 칼만 필터(UKF) 알고리즘은 미분 계산없는 빠른 수렴속도와 뛰어난 추정 성능을 지녔다. 그러나 이 방법은 가우시안 잡음 분포 하에서 적용해야 하는 등 제한적인 조건이 수반되는 문제점을 안고 있다. 반면에 파티클 필터(PF)는 제한적인 조건 없이 비선형/비가우시안 시스템에도 적용할 수 있는 상태 추정기법 이라 할 수 있겠다. 그러나 이 방법 또한 파티클의 갯수가 늘어나면 계산량이 크게 증가하는 등의 단점을 지니고 있다. 본 논문에서는 이러한 단점들을 극복하기 위하여 UKF와 PF를 결합한 언센티드 파티클 필터(UPF) 알고리즘을 제안하였다. 본 알고리즘의 성능을 확인하기 위하여 기존의 PF와 UPF 알고리즘을 2-자유도 펜듈럼 시스템을 이용하여 시뮬레이션 하였다. 결과적으로 본 논문에서 제안한 방법이 PF에 비하여 비선형/비가우시안 시스템의 상태 추정에 더욱 적합 함을 확인할 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The UKF algorithm for tracking moving objects has fast convergence speed and good tracking performance without the derivative computation. However, this algorithm has serious drawbacks which limit its use in conditions such as Gaussian noise distribution. Meanwhile, the particle filter(PF) is a stat...

주제어

#비선형/비가우시안 시스템   #상태 추정   #언센티드 파티클 필터  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 그러나 시스템이 구조적으로 다소 불명확한 경우에도 적용이 쉽고, 외부잡음에도 강인한 면이 있어 이러한 점에서 확률밀도 분포에 기초한 비가우시안 잡음 분포를 갖는 비선형 시스템의 상태추정에 PF 알고리즘을 이용한 연구가 활발하게 진행되고 있다[6][7]. 본 논문에서는 UKF와 PF 가 지니고 있는특성 중 서로 간의 장점을 결합한 언센티드 파티클 필터(Unscented Particle Filter 이하 UPF) 알고리즘을 제안하고 이를 이용하여 2-자유도 펜듈럼 시스템에 UPF 알고리즘을 적용한 시뮬레이션을 통하여 이의 우수성을 증명하고자 한다.
  • 본 논문에서는 동적 시스템의 상태 분포를 추정하는데 가장 널리 사용되는 칼만필터의 선형/가우시안 잡음분포라는 한계를 극복하기 위하여 파티클 필터링에 UKF를 이용한 새로운 UPF 알고리즘을 도입하였다. 또한 이를 확인하기 위하여 2-자유도 진자 시스템에 적용함으로써 제한적인 전제조건을 비선형/비 가우시안으로 확장하여 적용할수 있었으며, 이를 통하여 상태 추정성능 면에서도 단순히 PF 필터링을 이용한 경우와 비교하였을 때도 현저히 향상되었음을 알 수있었다.

가설 설정

  • 앞 장에서 설명한 파라미터 추정을 위한 실험을 위하여 기존에 발표된 논문의 2-자유도 진자 시스템을 선정하여 본 논문에서 제안한 이론에 의해 시스템의 상태 및 파라미터를 추정하고 결과를 통하여 성능을 비교하였다. 그림 2와 같이 진자 시스템은 펜듈럼 및 슬라이더 그리고 댐퍼와 스프링으로 구성되어 있으며, 평면상에서만 동작한다고 가정한다.
  • 01초 간격으로 3초 동안 추정하였다. 기존의 방법과(PF)의 차이를쉽게 비교하기 위하여 슬레이더 상태의 초기값을 [0.0010 90 0]으로 가정하였으며 초기 입력은 10[N]으로 인가하였다[3][4].
  • z 좌표는 슬라이더(slider)의 운동, Φ는 펜듈럼 운동을 나타내는 좌표로 이를 통하여 운동방정식을 유도한다. 또한 슬라이더와 펜듈럼의 운동에는 마찰력이 있다고 가정하고 파라미터의 추정을 위한 시스템 방정식을 구한다. 이를 위하여 운동에너지(Mg), 위치에너지(Pv) 를 이용하는 라그랑지 방법을 이용한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
언센티이드 변환은 무엇인가? 언센티이드 변환(UT)은 비선형 변환을 통한 랜덤변수의 통계적 특성을 계산하는 방법으로 UKF 알고리즘의 근간을 이룬다. 비선형 변환 y=f(x)를 통해서 랜덤변수 y를 만들어내는 L-by-1 랜덤변수 x를 고려한다.
칼만필터 알고리즘의 제한조건은 무엇인가? 이는 상태변수 추정을 위하여 사후분포를 해석적으로 구할 수 있기 때문이다[3]. 그러나 기본적인 칼만필터 알고리즘은 선형이며, 가우시안 잡음을 포함한 시스템에 적용해야하는 제한조건이 있다[1][5]. 따라서 현재 복잡한 과학 분야에서 접하는 대부분의 실제 시스템은 비선형 시스템이라고 할 수 있기 때문에 우선 비선형 시스템을 선형화시킨 후에 알고리즘을 적용해야하는 문제점이 있다.
움직이는 물체를 추적하는 시스템에 칼만필터 알고리즘을 주로 적용한 이유는 무엇인가? 현대 과학에서 움직이는 물체를 추적하는 시스템에는 그동안 성능 면에서 최적으로 알려진 칼만필터 알고리즘을 주로 적용하고 있다. 이는 상태변수 추정을 위하여 사후분포를 해석적으로 구할 수 있기 때문이다[3]. 그러나 기본적인 칼만필터 알고리즘은 선형이며, 가우시안 잡음을 포함한 시스템에 적용해야하는 제한조건이 있다[1][5].
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. M.S. Arulampalam, S. Maskell, N. Gordon, T. Clapp, "A Tutorial on Particle Filters for Online Nonlinear/ Non-Gaussian Bayesian Tracking, IEEE Trans. Signal Processing. vol. 50, no.2, pp 174-188, 2002. 

    상세보기 crossref

  2. S.H. Lee, H.B. Yoon, "GPS/INS Data Fusion and Localization using Fuzzy Inference/UPF,"Jouranl of Fuzzy Logic & Intelligent Systems, vol. 19, No. 3, pp. 408-414, 2009. 

    원문보기 상세보기 crossref

  3. H.G. Oh, "Moving Object Tracking in UAV Video Using Particle Filter,"M.S. thesis Korea Aerospace Univ. Feb. 2008. 

  4. W.J. Jun, "A Tightly Coupled GPS/INS Integration Based on the Unscented Particle Filter," M.S. thesis KonKuk Univ. Feb. 2005. 

  5. T.Y. Kim, K.T.Chong, "Parameter Estimation of 2-DOF Dynamic System using Particle Filter," Journal of Electrical Engineers, vol. 49, SC. no.2, pp. 10-16, 2012. 

    원문보기 상세보기 crossref

  6. J. H. Seung, K.T. Chung, "Parameter Estimation of Dynamic System Based on UKF," Journal of Korea Academia-Industrial cooperation Society, vol. 13, no.2, pp 772-778, 2012. 

    원문보기 상세보기 crossref

  7. S. Julier, J. Uhlmann, "A new extension of the Kalman filter to nonlinear systems," in: Proceedings of the 1997 SPIE AeroSense Symposium, SPIE, 21-24, April 1997. 

  8. J.W. Park, C.K. Yang, D.S. Shim, "Particle Filter Performance for Ultra-tightly GPS/INS integration", Journal of Institute of Control, Robotics and Systems, Vol. 14, No. 8, 2008. 

    원문보기 상세보기 crossref

  9. O.S. Kwon, "Parameter Estimation of Recurrent Neural Networks Using A Unscented Kalman Filter Training Algorithm and Its Applications to Nonlinear Channel Equalization", Journal of Korean Institute of Intelligent Systems, Vol. 15, No. 5, 552-559, 2005. 

    원문보기 상세보기 crossref

  10. P.M. Djuric, J.H. Kotecha, J. Zhang, Y. Huang, T. Ghirmai, M.F. Bugallo, J. Miguez, "Particle Filtering", IEEE Signal Processing Magazine, Setember, 2003 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로