[논문]KNN 알고리즘을 활용한 초음파 센서 간 간섭 제거 기법

임형철; 이성수

doi:10.7471/ikeee.2022.26.2.169

KNN 알고리즘을 활용한 초음파 센서 간 간섭 제거 기법
Interference Elimination Method of Ultrasonic Sensors Using K-Nearest Neighbor Algorithm 원문보기

전기전자학회논문지 = Journal of IKEEE, v.26 no.2, 2022년, pp.169 - 175

임형철 (Soongsil University) , 이성수 (Soongsil University)

초록
AI-Helper

본 논문에서는 k-최근접 이웃 (KNN) 알고리즘을 이용하여 초음파 센서 간 간섭을 줄이고 정확한 거리값을 예측하는 기법을 제안한다. 기존 기법에서는 이전 측정값과 현재 측정값을 비교하여 그 차이가 한계값을 벗어나면 간섭 신호로 인식하고 배제하지만 부정확한 예측이 자주 발생한다. KNN 알고리즘은 다수의 초음파 센서에서 입력되는 측정값을 분류하여 정확도 높은 예측이 가능하다. 간섭이 잘 발생하는 환경을 만들기 위해 다수의 동종 초음파 센서로 간섭 신호를 발생시킨 상태에서 거리 측정 실험을 진행하였고, 간섭으로 인해 발생하는 오류를 KNN 알고리즘을 통해 크게 줄일 수 있음을 확인하였다. 또한 기존 보팅 기법과 제안하는 기법의 결과를 비교하여 제안하는 기법의 성능이 우수한 것을 확인하였다.

Abstract ▼ AI-Helper

This paper introduces an interference elimination method using k-nearest neighbor (KNN) algorithm for precise distance estimation by reducing interference between ultrasonic sensors. Conventional methods compare current distance measurement result with previous distance measurement results. If the difference exceeds some thresholds, conventional methods recognize them as interference and exclude them, but they often suffer from imprecise distance prediction. KNN algorithm classifies input values measured by multiple ultrasonic sensors and predicts high accuracy outputs. Experiments of distance measurements are conducted where interference frequently occurs by multiple ultrasound sensors of same type, and the results show that KNN algorithm significantly reduce distance prediction errors. Also the results show that the prediction performance of KNN algorithm is superior to conventional voting methods.

주제어

표/그림 (12)

그림 Fig. 1. Principle of ultrasonic sensor. 그림 1. 초음파 센서의 원리
그림 Fig. 2. Range of distance measurement. 그림 2. 초음파 센서의 거리 측정 범위
그림 Fig. 3. Various signals resulting measurement errors. 그림 3. 측정 오류의 원인이 되는 다양한 신호
그림 Fig. 4. 5-fold cross validation. 그림 4. 5-분할 교차 검증
그림 Fig. 5. Experimental environment. 그림 5. 실험 환경
그림 Fig. 6. Prediction of distance with KNN model. 그림 6. KNN을 통한 거리값 예측
그림 Fig. 7. Accuracy with value of K and p. 그림 7. K개의 이웃 수와 p에 따른 정확도
표 Table 1. Data preprocessing. 표 1. 데이터 전처리
그림 Fig. 8. Measurement results when ultrasonic sensors are moving with 2 interferencing ultrasonic sources (a) KNN classifier is not applied (b) applied. 그림 8. 학습 환경보다 적은 개수인 초음파 간섭원 2개 환경에서 초음파 센서를 움직이며 측정한 결과 (a) KNN 분류기 미적용 (b) KNN 분류기 적용
그림 Fig. 9. Measurement results when ultrasonic sensors are moving with 4 interferencing ultrasonic sources (a) KNN classifier is not applied (b) applied. 그림 9. 학습 환경과 동일한 개수인 초음파 간섭원 4개 환경에서 초음파 센서를 움직이며 측정한 결과 (a) KNN 분류기 미적용 (b) KNN 분류기 적용
그림 Fig. 10. Measurement results when ultrasonic sensors are moving with 5 interferencing ultrasonic sources (a) KNN classifier is not applied (b) applied. 그림 10. 학습 환경보다 많은 개수인 초음파 간섭원 5개 환경에 서 초음파 센서를 움직이며 측정한 결과 (a) KNN 분 류기 미적용 (b) KNN 분류기 적용
그림 Fig. 11. Measurement result when ultrasonic sensors are moving (a) 2 interferencing ultrasonic sensors (b) 3 interferencing ultrasonic sensors (c) 4 interferencing ultrasonic sensors. 그림 11. 보팅 방법 및 KNN 분류기 결과 비교 (a) 간섭 초음파 센서 2개 (b) 간섭 초음파 센서 3개 (c) 간섭 초음파 센서 4개

참고문헌 (9)

J. D. Tardos, J. Neira, P. M. Newman, and J. J. Leonard, "Robust mapping and localization in indoor environments using sonar data," International Journal of Robotics Research, vol.21, no.4, pp.311-330, 2002. DOI: 10.1177/027836402320556340

상세보기
J. Borenstein and Y. Koren, "Noise rejection for ultrasonic sensors in mobile robot applications," Proceedings of IEEE International Conference on Robotics and Automation, pp.1727-1732, 1992. DOI: 10.1109/ROBOT.1992.220129.
T. Jin, "Reflection noise rejection of ultrasonic sensor using scheduling firing method," Journal of the Korea Institute of Information and Communication Engineering, vol.16, no.1, pp.41-47, 2012. DOI: 10.6109/jkiice.2012.16.1.041

원문보기 상세보기
H. Im and S. Lee, "Removal Method of Signal Interference between Ultrasound Sensors," J.inst. Korean.electr.elctron.eng., vol.25, no.4, pp.584-590, 2021. DOI: 10.7471/ikeee.2021.25.4.584

원문보기 상세보기
M. E. Mohamed, H. Gotzig, R. Zoellner and P. Maeder, "A convolution neural network based machine learning approach for ultrasonic noise suppression with minimal distortion," Proceedings of IEEE International Ultrasonics Symposium, pp.1629-1634, 2019. DOI: 10.1109/ULTSYM.2019.8925655
M. E. Mohamed, H. Gotzig, R. Zoellner and P. Maeder, "A Machine Learning Approach for Detecting Ultrasonic Echoes in Noisy Environments," Proceedings of IEEE Vehicular Technology Conference, pp.1-6, 2019. DOI: 10.1109/VTCSpring.2019.8746680
S. Lee, W. Choi and D. H. Lee, "Securing Ultrasonic Sensors Against Signal Injection Attacks Based on a Mathematical Model," in IEEE Access, vol.7, pp.107716-107729, 2019. DOI: 10.1109/ACCESS.2019.2932843

상세보기
M. T. Akhtar, M. Abe and M. Kawamata, "On active noise control systems with online acoustic feedback path modeling," IEEE Transactions on Audio Speech and Language Processing, vol.15, no.2, pp.593-600, 2007. DOI:10.1109/TASL.2006.876749

상세보기
S. Yadav and S. Shukla, "Analysis of k-Fold Cross-Validation over Hold-Out Validation on Colossal Datasets for Quality Classification," Proceedings of IEEE International Conference on Advanced Computing, pp.78-83, 2016. DOI: 10.1109/IACC.2016.25

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