DOI QR코드

DOI QR Code

Position Estimation of MBK system for non-Gaussian Underwater Sensor Networks

비가우시안 노이즈가 존재하는 수중 환경에서 MBK 시스템의 위치 추정

  • Lee, Dae-Hee (School of Electronic Engineering, Kumoh National Inst. of Tech.) ;
  • Yang, Yeon-Mo (School of Electronic Engineering, Kumoh National Inst. of Tech.) ;
  • Huh, Kyung Moo (Dankook University. Dept. of electronics eng.)
  • Received : 2012.11.07
  • Published : 2013.01.25

Abstract

This paper study the position estimation of MBK system according to the non-linear filter for non-Gaussian noise in underwater sensor networks. In the filter to estimate location, recently, the extended Kalman filter (EKF) and particle filter are getting attention. EKF is widely used due to the best algorithm in the Gaussian noise environment, but has many restrictions on the usage in non-Gaussian noise environment such as in underwater. In this paper, we propose the improved One-Dimension Particle Filter (ODPF) using the distribution re-interpretation techniques based on the maximum likelihood. Through the simulation, we compared and analyzed the proposed particle filter with the EKF in non-Gaussian underwater sensor networks. In the case of both the sufficient statistical sample and the sufficient calculation capacity, we confirm that the ODPF's result shows more accurate localization than EKF's result.

본 논문은 노이즈가 비 정규 분포를 따르는 수중 환경에서 비 선형 필터 기법에 따른 Mass-Damper-Spring (MBK) 시스템 위치추정에 관한 연구 내용이다. 최근 위치 추정에 사용되는 필터는 확장 칼만 필터 (EKF: Extended Kalman Filter) 와 파티클 필터(Particle Filter)가 주목 받고 있다. EKF는 가우시안 잡음 (Gaussian Noise) 이 존재하는 비선형 시스템에서 정확도가 높은 알고리즘으로 널리 사용되고 있지만, 수중 환경과 같이 비 가우시안 잡음이 존재하는 경우 사용에 많은 제약이 따른다. 이에 본 논문에서는 상태예측을 기반으로 둔 EKF와 비교하여, 통계적 발생 가능성 인자 (Maximum Likelihood) 에 기반한 분포 재해석 기법을 이용한 개선된 ODPF (One-Dimension Particle Filter)를 제안한다. 모의 실험을 통하여 non-Gaussian noise가 존재하는 수중 환경에서 EKF와 제안한 Particle filter를 사용한 위치 추정 결과를 비교 분석하였으며, 계산 용량 및 통계 샘플이 충분한 경우 ODPF가 EKF 대비 정확한 위치 추정 결과를 제공하는 것을 확인하였다.

Keywords

References

  1. J. Yuh, "Development in Underwater Robotics," Robotics and automation 1995 IEEE International Conference, Vol. 2, pp. 1862-1867, 1995.
  2. E. Kim, S. Lee, C. Kim, and K. Kim, "Mobile Beacon-Based 3DLocalization with Multidimensional Scaling in Large Sensor Networks," IEEE Comm. Letters, vol.14, no.7, pp.647-649, Jul. 2010. https://doi.org/10.1109/LCOMM.2010.07.100513
  3. E. Kim, S., C. Kim, K. Kim, "Long-range Beacons on Sea Surface based 3D-Localization for Underwater Sensor Networks", 2009 Fifth International Conference on Mobile Ad-hoc and Sensor Networks, pp.102-107, 2009.
  4. D. Won, Y.-M. Yang, "A three-dimensional localization algorithm for underwater acoustic sensor networks", Vol.2, No.3, pp.218-236, IJCVR, 2011.
  5. B. He; K. Yang; S. Zhao; Y. Wang, "Underwater simultaneous localization and mapping based on EKF and point features", ICMA, pp. 4845 - 4850, 2009.
  6. S. Thrun, "Probabilistic Algorithms in Robotics", AI Magazine Volume 21 Number 4, pp.93-109, 2000.
  7. 김인철, 김승연, 김혜숙, "잡음 모델을 이용한 파티클 필터 측위", 정보처리학회지b19(1), pp.27-30. https://doi.org/10.3745/KIPSTB.2012.19B.1.027
  8. 서원교, 이장명, "이산 웨이블릿 변환과 Unscented 파티클 필터를 이용한 GPS-INS 결합 시스템의 실외 정밀 위치 추정", 전자공학회지 48(6), pp.82-90, 2011.
  9. 원대희, 성상경, 이영재, "영상기반항법을 위한 파티클 필터 기반의 특징점 추적 필터 설계", 한국항공우주학회지 40(1), pp.35-42, 2012. https://doi.org/10.5139/JKSAS.2012.40.1.35
  10. 이형호, 최학남, 김형래, 마승완, 이재홍, 김학일, "물체 특징과 실시간 학습 기반의 파티클 필터를 이용한 이동 로봇에서의 강인한 물체 추적", 제어.로봇.시스템학회논문지 18(6), pp. 562-570, 2012. https://doi.org/10.5302/J.ICROS.2012.18.6.562
  11. 김태균, 고낙용, 노성우, "파티클 필터 방법을 이용한 특징점과 로봇 위치의 동시 추정", 한국퍼지 및 지능시스템학회지 22(3), pp.353-360, 2012. https://doi.org/10.5391/JKIIS.2012.22.3.353
  12. J. Park, G. Shevlyakov, and K. Kim, "Maximin Distributed Detection in the Presence of Impulsive Alpha-Stable Noise," IEEE Trans. On Wireless Comm., Vol. 10, No. 6, 2011.
  13. J. Park, G. Shevlyakov, and K. Kim, "Distributed Detection and Fusion of Weak Signals in Fading Channels with Non-Gaussian Noises," IEEE Comm. Letters, Vol. 16, No. 2, 2012.

Cited by

  1. Two-Dimensional Localization Problem under non-Gaussian Noise in Underwater Acoustic Sensor Networks vol.23, pp.5, 2013, https://doi.org/10.5391/JKIIS.2013.23.5.418
  2. 수중로봇 위치추정을 위한 베이시안 필터 방법의 실현과 거리 측정 특성 분석 vol.9, pp.1, 2013, https://doi.org/10.7746/jkros.2014.9.1.028