[논문]정보이론기반 지형 험준도 및 정보이득을 이용한 지형대조항법 성능 향상 기법

남성호

doi:10.9766/kimst.2017.20.3.307

정보이론기반 지형 험준도 및 정보이득을 이용한 지형대조항법 성능 향상 기법
Performance Enhancing Technique for Terrain Referenced Navigation Systems using Terrain Roughness and Information Gain Based on Information Theory 원문보기

韓國軍事科學技術學會誌 = Journal of the KIMST, v.20 no.3, 2017년, pp.307 - 314

Abstract ▼ AI-Helper

Terrain referenced navigation(TRN) system is an attractive method for obtaining position based on terrain measurements and a terrain map. We focus on TRN systems based on the point mass filter(PMF) which is one of the recursive Bayesian method. In this paper, we propose two kinds of performance index for Bayesian filter. The proposed indices are based on entropy and mutual information from information theory. The first index measures roughness of terrain based on entropy of likelihood. The second index named by information gain, which is the mutual information between priori and posteriori distribution, is a quantity of information gained by updating measurement at each step. The proposed two indices are used to determine whether the solution from TRN is adequate for TRN/INS integration or not, and this scheme gives the performance improvement. Simulation result shows that the proposed indices are meaningful and the proposed algorithm performs better than normal TRN algorithm.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 베이시안 필터 기반 지형대조항법에서 사용할 수 있는 지형 험준도 및 정보 이득 지수를 제안하였다. 정보이론을 바탕으로 우도함수의 엔트로피를 이용한 지형 험준도를 제안하였고, 추정치 분포의 상호정보를 이용한 정보이득을 제안하였다.
본 논문에서는 베이시안 필터기반의 지형대조항법 시스템에서 사용할 수 있는 지형 험준도 및 성능 지수를 제시하고, 이를 이용해 항법 성능을 개선하고 안정성을 높이는 방법을 제안한다. 본 논문에서 제안하는 지형 험준도와 성능 지수는 정보이론을 기반으로 한다.
지형 자체가 비선형성이 매우 크기 때문에 EKF나 UKF를 기반으로 하여 지형대조항법을 수행하면 오차가 크게 되며, 발산할 가능성이 크다. 본 논문에서는 비선형 시스템에서 사용할 수 있는 베이시안 필터를 기반으로 하여 지형대조항법을 수행한다.
만약, 탐색하는 영역의 지형이 험준하다면, 우도함수 분포도 험준할 것이고, 반대로 평탄한 지형이라면, 우도함수 분포도 평탄할 것이다. 본 논문에서는 정보이론에서 데이터 또는 확률분포에 내포된 정보의 양을 측정하는 척도로 쓰이는 엔트로피(entropy)와 상호정보(mutual information)를 이용한 지형 험준도 및 성능 지수를 제시한다.

가설 설정

여기서 i = 1, …, M, j = 1, …, N이다. 본 논문에서는 격자간격이 ∆로 일정하다고 가정한다. 먼저, 초기 상태변수의 분포 p(x₀(i,j)|Z₀)는 다음과 같이 표현 할 수 있다.
초기 위치 오차는 30 m로 가정하였으며, PMF의 격자수는 50 × 50으로 설정하였다. 본 시뮬레이션에서 사용한 관성항법장치는 1 Nm/hr 급의 관성항법장치라 가정하고 시뮬레이션을 수행하였다. 시뮬레이션의 궤적은 Fig.
초기 위치 오차는 30 m로 가정하였으며, PMF의 격자수는 50 × 50으로 설정하였다.

제안 방법

제안하는 험준도 지수는 측정치 우도 분포함수의 엔트로피를 기반으로 하는 지수이며, 정보 이득은 상호 정보량(Mutual Information)을 기반으로 하는 지수이다. 그리고 제안하는 성능 지수를 이용한 PMF 기반 지형대조항법 시스템을 제안한다. 시뮬레이션 결과를 통해 제안한 두 지수들이 얼마나 적합한 지 확인하며, 이를 적용한 PMF 알고리즘의 성능이 향상되고, 안정성이 개선되는 것을 보인다.
본 논문에서 제안하는 지형 험준도와 성능 지수는 정보이론을 기반으로 한다. 먼저, 측정치 우도 분포함수의 엔트로피(Entropy)를 기반으로 하는 지형 험준도 지수를 제안하며, 현재 측정치를 통해 얻은 정보량을 정량적으로 표현할 수 있는 정보 이득(Information Gain)을 제안한다. 제안하는 험준도 지수는 측정치 우도 분포함수의 엔트로피를 기반으로 하는 지수이며, 정보 이득은 상호 정보량(Mutual Information)을 기반으로 하는 지수이다.
베이시안 필터에 포함되어 있는 적분연산은 실제로는 계산이 불가능하다. 베이시안 필터를 구현하기 위해 PMF 및 PF가 제안되었으며, 본 논문에서는 PMF기반 지형대조항법을 중심으로 다룬다.
본 논문에서 고려하는 PMF기반 지형대조항법 시스템은 연속적인 상태변수 공간을 이산화하여 처리하는 시스템이므로, 연속시스템을 이산화한 엔트로피를 고려해야 한다. 연속시스템을 동일격자간격 ∆으로 이산화한 엔트로피는 다음과 같다^[10].
본 논문에서는 새로 제안하는 성능 지수를 고려하여PMF기반 지형대조항법을 수행한다. PMF 기반 지형대조항법의 해를 그대로 사용하는 것이 아닌 지형 대조 필터와 통합 보정 필터를 분리 설계하여 활용한다.
본 논문에서는 전파고도계를 이용한 측정치 모델을 고려한다. 전파고도계의 출력을 항체의 고도와 수치표고자료(DEM)의 차와 비교하여 위치를 추정한다.
본 논문에서는 측정치의 우도함수(likelihood) 분포의 특성을 이용하여 지형 험준도를 판별한다. 만약, 탐색하는 영역의 지형이 험준하다면, 우도함수 분포도 험준할 것이고, 반대로 평탄한 지형이라면, 우도함수 분포도 평탄할 것이다.
정보이론을 바탕으로 우도함수의 엔트로피를 이용한 지형 험준도를 제안하였고, 추정치 분포의 상호정보를 이용한 정보이득을 제안하였다. 이를 바탕으로 지형대조필터와 통합 보정 필터로 구성된PMF기반 지형대조항법 알고리즘을 제안하였다. 시뮬레이션 결과, 제안하는 험준도 및 성능지표가 유효한 의미를 가지는 것을 확인하였고, 이를 이용한 PMF기반 지형대조항법의 성능과 안정성이 개선됨을 확인하였다.
본 논문에서는 전파고도계를 이용한 측정치 모델을 고려한다. 전파고도계의 출력을 항체의 고도와 수치표고자료(DEM)의 차와 비교하여 위치를 추정한다. 전파고도계를 이용한 측정치 모델은 다음과 같이 쓸 수 있다.
본 논문에서는 베이시안 필터 기반 지형대조항법에서 사용할 수 있는 지형 험준도 및 정보 이득 지수를 제안하였다. 정보이론을 바탕으로 우도함수의 엔트로피를 이용한 지형 험준도를 제안하였고, 추정치 분포의 상호정보를 이용한 정보이득을 제안하였다. 이를 바탕으로 지형대조필터와 통합 보정 필터로 구성된PMF기반 지형대조항법 알고리즘을 제안하였다.
제안하는 지형 험준도 및 성능 지수는 우도 함수분포의 엔트로피를 이용한 방법과 추정치의 상호정보를 이용한 방법이다. 먼저, 우도함수의 엔트로피를 이용한 지형 험준도는 다음과 같이 정의한다.
먼저, 측정치 우도 분포함수의 엔트로피(Entropy)를 기반으로 하는 지형 험준도 지수를 제안하며, 현재 측정치를 통해 얻은 정보량을 정량적으로 표현할 수 있는 정보 이득(Information Gain)을 제안한다. 제안하는 험준도 지수는 측정치 우도 분포함수의 엔트로피를 기반으로 하는 지수이며, 정보 이득은 상호 정보량(Mutual Information)을 기반으로 하는 지수이다. 그리고 제안하는 성능 지수를 이용한 PMF 기반 지형대조항법 시스템을 제안한다.
지형 대조 필터는, 상태변수가 위도, 경도인 2차 PMF이며, 이격고도를 측정치로 이용하여 지형대조항법을 수행한다. 통합 보정 필터는 상태 변수가 위치, 속도, 자세, 자이로 바이어스, 가속도 바이어스로 총 15차인EKF로 설계한다. 지형 대조 필터에서 추정한 항법해(#)와 공분산(#)을 통합 보정 필터에서 측정치와 측정치 공분산으로 사용하여 위치, 속도 자세, 센서 오차를 추정한다.

대상 데이터

2와 같다. 시뮬레이션 궤적은 평지, 도심, 산간, 바다 지형들을 포함한 궤적이며, 궤적의 지형 프로파일은 Fig. 3과 같다. 대부분 험준한 지형이나 빨간색 원으로 표시해놓은 지형은 바다 및 평지와 같은 평탄한지형이다.

데이터처리

본 장에서는 제안한 알고리즘의 효용성을 보이기 위해 수행한 시뮬레이션 결과에 때해 기술한다. 본 시뮬레이션을 통해 제안하는 지형 험준도 및 정보 이득이 유효한지 확인하고, 기존의 지형 험준도를 고려하지 않은 지형대조항법 알고리즘과 3장에서 제안한 지형대조항법 알고리즘의 성능을 비교하였다. 초기 위치 오차는 30 m로 가정하였으며, PMF의 격자수는 50 × 50으로 설정하였다.

이론/모형

본 논문에서는 베이시안 필터기반의 지형대조항법 시스템에서 사용할 수 있는 지형 험준도 및 성능 지수를 제시하고, 이를 이용해 항법 성능을 개선하고 안정성을 높이는 방법을 제안한다. 본 논문에서 제안하는 지형 험준도와 성능 지수는 정보이론을 기반으로 한다. 먼저, 측정치 우도 분포함수의 엔트로피(Entropy)를 기반으로 하는 지형 험준도 지수를 제안하며, 현재 측정치를 통해 얻은 정보량을 정량적으로 표현할 수 있는 정보 이득(Information Gain)을 제안한다.
초기 위치에 대한 확률 분포가 주어진다면 식 (3)과식 (4)를 이용해 재귀적으로 확률 분포를 계산할 수 있으며, 구해진 확률분포를 이용해 MAP, MMSE 추정을 이용하여 추정값과 공분산 행렬을 구할 수 있다. 본 논문에서는 MMSE 추정을 이용하여 추정한다. x_k의 확률분포로부터 MMSE 추정값은 다음과 같이 구할 수 있다.

성능/효과

빨간색 그래프는 기존의 PMF기반 지형대조항법의 결과이며, 파란색 그래프는 제안하는 알고리즘이다. 결과를 보면 알 수 있다시피, 기존 방법에 비해 제안하는 방법의 성능이 더 좋은 것을 알 수 있다. 특히, 200초 부근을 살펴보면, 제안 알고리즘의 성능이 월등히 좋은 것을 확인할 수 있다.
이를 바탕으로 지형대조필터와 통합 보정 필터로 구성된PMF기반 지형대조항법 알고리즘을 제안하였다. 시뮬레이션 결과, 제안하는 험준도 및 성능지표가 유효한 의미를 가지는 것을 확인하였고, 이를 이용한 PMF기반 지형대조항법의 성능과 안정성이 개선됨을 확인하였다.
그리고 제안하는 성능 지수를 이용한 PMF 기반 지형대조항법 시스템을 제안한다. 시뮬레이션 결과를 통해 제안한 두 지수들이 얼마나 적합한 지 확인하며, 이를 적용한 PMF 알고리즘의 성능이 향상되고, 안정성이 개선되는 것을 보인다.
즉, 바다지형에서는 어떠한 정보도 얻지 못한다는 의미이다. 이를 통해, 제안하는 험준도 및 성능지수가 상당한 의미를 가지는 것을 확인 할 수 있다.
결과를 보면 알 수 있다시피, 기존 방법에 비해 제안하는 방법의 성능이 더 좋은 것을 알 수 있다. 특히, 200초 부근을 살펴보면, 제안 알고리즘의 성능이 월등히 좋은 것을 확인할 수 있다. 해당시간에 지나가는 지형을 살펴보면 험준도가 낮은 구간으로, 기존의 알고리즘은 통합 보정 필터가 오보정하여 오차가 증가한 것으로 판단된다.

후속연구

. 베이시안 필터기반의 순차처리 방식 지형대조항법 시스템에서 실시간으로 현재 위치의 지형험준도를 계산하거나, 더 나아가 현재 성능을 추정할 수 있는 지표가 있다면 지형대조항법 시스템을 구성하는데 큰 도움이 될 것이다.
기존의 칼만 필터의 경우 가우시안 분포라고 가정을 하였기 때문에, 분산을 이용해 현재 해의 신뢰도 등을 추정할 수 있지만, 비선형시스템에 적용되는 베이시안 필터의 경우, 현재 분포의 특성을 알 수 가 없다. 본 논문에서 제안하는 g_I 지수를 이용하면 베이시안 필터로 추정되는 분포의 특성을 알 수 있으며, 이는 좋은 성능 지표로 활용 할 수가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	관성항법장치란 무엇인가?	관성항법장치는 자이로스코프 및 가속도계의 출력인 각속도와 가속도를 이용하여 위치, 속도, 자세를 제공하는 장치이다. 관성항법장치는 다른 외부 영향 없이 각속도와 가속도를 적분하여 위치, 속도, 자세를 계산하는데, 시간이 지남에 따라 센서 오차 누적에 의해 항법오차가 증가한다.
	관성항법장치의 단점은 무엇인가?	관성항법장치는 자이로스코프 및 가속도계의 출력인 각속도와 가속도를 이용하여 위치, 속도, 자세를 제공하는 장치이다. 관성항법장치는 다른 외부 영향 없이 각속도와 가속도를 적분하여 위치, 속도, 자세를 계산하는데, 시간이 지남에 따라 센서 오차 누적에 의해 항법오차가 증가한다. 때문에 관성항법장치는 GNSS,레이더추적시스템, 영상센서 등의 보조센서를 이용하여 보정항법을 수행한다.
	본 논문에서 제안한, 베이시안 필터 기반 지형대조항법에서 사용할 수 있는 지형 험준도 및 정보 이득 지수의 시뮬레이션 결과는 어떠한가?	이를 바탕으로 지형대조필터와 통합 보정 필터로 구성된PMF기반 지형대조항법 알고리즘을 제안하였다. 시뮬레이션 결과, 제안하는 험준도 및 성능지표가 유효한 의미를 가지는 것을 확인하였고, 이를 이용한 PMF기반 지형대조항법의 성능과 안정성이 개선됨을 확인하였다.

참고문헌 (10)

K. Yoo, C. Sung, S. Choi, H. Yoo, H. Kim and K. Yoon, "Terrain Referenced Navigation - Current Status and Future Works," KIMST Annual Conference Proceedings, 2008.
J. P. Golden, "Terrain Contour Matching(TERCOM): A Cruise Missile Guidance Aid," Proceedings of SPIE, Image Processing for Missile Guidance, pp. 10-19. Dec. 1980.
O. Eroglu and G. Yilmaz "A Terrain Referenced UAV Localization Algorithm using Binary Search Method," J. Intell. Robot. Syst., Vol. 73, pp. 309-323, Jan, 2014.

상세보기
J. Hollowell, "Heli/SITAN: A Terrain Referenced Navigation Algorithm for Helicopters," Proceedings of IEEE Posit. Location Navigat. Symp., pp. 616-625, Mar, 1990.
C. A. Baird, F. B. Snyder, and M. Beierle, "Terrainaided Altitude Computations on the AFTI/F-16," Proceedings of IEEE Posit. Location Navigat. Symp., pp. 474-481, Mar, 1990.
K. B. Anonsen, O. Hallingstad, "Terrain Aided Underwater Naviagation Using Point Mass and Particle Filters," Proceedings of IEEE/ION PLANS, pp. 1027-1035, 2006.
F. Gustafsson, F. Gunnarsson, N. Bergman, U. Forssel, J. Jansson, R. Kalsson, P. J. Nordlund, "Particle Filters for Positioning, Navigation and Tracking," IEE Trans. Signal Proceesing, Vol. 50, No. 2, pp. 425-436, 2002.

상세보기
Niclas Bergman, "Recursive Bayesian Estimation," Dissertation, Linkoping University, 1999.
G. M. Siouris, "Missile Guidance and Control Systems," Springer-Verlag, New York, 2003.
Thomas M. Cover, Joy A. Thomas, "Elements of Information Theory," John Wiley & Sons, Inc, Canada, 2006.

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