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
- 하지만 상기 방식은 송신노드의 출발 각을 직접 추정하지 않고 관련된 상수를 추정하는 방식이다. 따라서 본 논문은 송신 노드의 출발 각을 직접 추정하는 방식을 통하여 간단하고 직관적인 해석을 제공한다. 이러한 방식은 음선 굴곡을 적용한 거리 추정 방식에서 기존의 방식보다 매우 좋은 성능을 보이며, ToA에 잡음 영향이 더해진 오류가 있는 ToA(Noisy ToA)를 수신한 상황에서도 기존 방법보다 개선된 성능을 보인다.
- . 본 논문에서는 평균이 0, 표준편차가 1ms인 가우시안 랜덤 변수로 모델링하였다. LUT를 만드는 과정은 그림 3의 흐름도를 따르며, 이에 대한 설명은 다음과 같다.
가설 설정
- Ⅲ장에서의 LUT 방식을 통한 수평거리 측정 방법은 l을 1m로 하여 그림 3의 과정을 통해 만들어져 있는 LUT를 사용한다고 가정하고 두 블록으로 나누어 계산 시간을 측정하였다. 첫 번째 블록은 그림4를 통하여 만들어진 LUT에 수신기에 깊이에 해당하는 LUT 값을 호출하는 블록이다.
- 수신기의 깊이는 150m , 송신기는 수면에 있다고 가정하여 3000m에 수신기가 존재한다고 가정하고 l값에 변화에 따른 추정 궤적과 실제 거리와의 차이를 그림 2에 나타내었다.
- 연산 시간은 시뮬레이션 환경에 따른 수행 시간의 편차를 줄이기 위하여 충분한 수행 횟수 후 평균을 내어 측정하였다. 실험 환경은 반사되는 음파가 없는 환경에서 평균이 0, 표준편차가 1ms인 가우시안 랜덤 변수가 더해진 Noisy ToA를 가정하고, 수신기의 깊이를 150m로 가정한다.
- 본 절에서는 앞 장에서 설명한 방법들의 성능을 비교한다. 실험 환경은 송신기는 수면에, 수신기는 150m 깊이에 존재하며, Noisy ToA의 평균은 0, 분산은 1ms라고 가정하였다. 2.
- 이러한 문제를 해결하기 위하여 측정된 ToA 값을 이용하여 음선의 굴곡을 고려하고 전파 속도가 SSP의 평균값을 가진다고 가정하여 거리를 구하는 방식들이 제안되었다[4～5]. 이러한 방법들은 송신기의 위치와 수신기의 깊이, SSP(Sound Speed Profile)를 알고 있다는 가정 하에서 이루어진다. 그러나 이러한 가정은 깊이에 따라 변하는 음파 속도를 정확히 반영할 수 없어 거리 추정에 오류를 증가시킨다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.