• 한국군사과학기술학회지
• /
• 제8권4호
• /
• pp.24-31
• /
• 2005

This paper presents an implementation of a real-time multi-sensor data fusion algorithm for Flight Test Computer. The sensor data consist of positional information of the target from a radar, a GPS receiver and an INS. The data fusion algorithm is designed by the 21st order distributed Kalman Filter which is based on the PVA model with sensor bias states. A fault detection and correction logics are included in the algorithm for bad measurements and sensor faults. The statistical parameters for the states are obtained from Monte Carlo simulations and covariance analysis using test tracking data. The designed filter is verified by using real data both in post processing and real-time processing.

• 한국정보과학회논문지:데이타베이스
• /
• 제37권6호
• /
• pp.324-332
• /
• 2010

실시간 임베디드 센서 네트워크 시스템에서의 이벤트 감지는 대부분 현실세계에서 수집된 센서 데이터들의 조합에 기반한다. 이에 최근에 이루어진 연구들에선 센서 데이터들을 수집, 집계하는 낮은 수준의 다양한 메커니즘들을 제안하였다. 그러나 실시간에서 연속적으로 발생하는 복잡한 이벤트들의 감지와 다양한 종류의 센서들로부터 입력되는 실시간 데이터의 처리를 위한 시스템에 대한 솔루션은 보다 많은 연구를 필요로 한다. 즉, 경량의 데이터 혼합이 가능하고 많은 컴퓨팅 자원을 필요로 하지 않는 실시간 이벤트 감지 기법이 필요하다. 이벤트 감지 프레임워크는 실시간 모니터링과 센서 데이터의 도착으로 일어나는 데이터 융합 메커니즘을 통하여 적시성과 임베디드 센서 네트워크의 자원 요구량을 감소시킬 수 있는 잠재력을 지니고 있다. 또한 임베디드 센서 네트워크 시스템이 신뢰성을 지닐 수 있도록 하기 위한 기반 기술인 프라이버시를 보장할 수 있는 익명화 기술을 설명한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권10호
• /
• pp.3989-4006
• /
• 2020

The intelligent agriculture monitoring is based on the perception and analysis of environmental data, which enables the monitoring of the production environment and the control of environmental regulation equipment. As the scale of the application continues to expand, a large amount of data will be generated from the perception layer and uploaded to the cloud service, which will bring challenges of insufficient bandwidth and processing capacity. A fog-based offline and real-time hybrid data analysis architecture was proposed in this paper, which combines offline and real-time analysis to enable real-time data processing on resource-constrained IoT devices. Furthermore, we propose a data process-ing algorithm based on the incremental principal component analysis, which can achieve data dimensionality reduction and update of principal components. We also introduce the concept of Squared Prediction Error (SPE) value and realize the abnormal detection of data through the combination of SPE value and data fusion algorithm. To ensure the accuracy and effectiveness of the algorithm, we design a regular-SPE hybrid model update strategy, which enables the principal component to be updated on demand when data anomalies are found. In addition, this strategy can significantly reduce resource consumption growth due to the data analysis architectures. Practical datasets-based simulations have confirmed that the proposed algorithm can perform data fusion and exception processing in real-time on resource-constrained devices; Our model update strategy can reduce the overall system resource consumption while ensuring the accuracy of the algorithm.

• 한국인터넷방송통신학회논문지
• /
• 제23권4호
• /
• pp.79-84
• /
• 2023

최근 분산 및 병렬 처리 기술 중 빠른 처리 속도를 제공하는 Apache Spark는 실시간 기능 및 머신러닝 기능을 제공하고 있다. 이러한 기능에 대한 공식 문서 가이드가 제공되고 있지만, 기능들을 융합하여 실시간으로 특정 값을 예측하는 방안은 제공되고 있지 않다. 따라서 본 논문에서는 이러한 기능들을 융합하여 실시간으로 데이터의 값을 예측할 수 있는 연구를 진행했다. 전체적인 구성은 Python 프로그래밍 언어에서 제공하는 주가 데이터를 다운로드하여 수집한다. 그리고 머신러닝 기능을 통해 회귀분석의 모델을 생성하고, 실시간 스트리밍 기능을 머신러닝 기능과 융합하여 실시간으로 주가 데이터 중 조정종가를 예측한다.

• 한국항해항만학회지
• /
• 제27권3호
• /
• pp.273-282
• /
• 2003

This paper proposes a sensor-fusion technique where rho data sets for the previous moments are properly transformed and fused into the current data sets to enable accurate measurement, such as, distance to an obstacle and location of the service robot itself. In the conventional fusion schemes, the measurement is dependent only on the current data sets. As the results, more of sensors are required to measure a certain physical promoter or to improve the accuracy of the measurement. However, in this approach, intend of adding more sensors to the system, the temporal sequence of the data sets are stored and utilized for the measurement improvement. Theoretical basis is illustrated by examples md the effectiveness is proved through the simulation. Finally, the new space and time sensor fusion (STSF) scheme is applied to the control of a mobile robot in the indoor environment and the performance was demonstrated by the real experiments.

• Smart Structures and Systems
• /
• 제17권6호
• /
• pp.903-915
• /
• 2016

The classical Kalman filter (KF) provides a practical and efficient state estimation approach for structural identification and vibration control. However, the classical KF approach is applicable only when external inputs are assumed known. Over the years, some approaches based on Kalman filter with unknown inputs (KF-UI) have been presented. However, these approaches based solely on acceleration measurements are inherently unstable which leads poor tracking and so-called drifts in the estimated unknown inputs and structural displacement in the presence of measurement noises. Either on-line regularization schemes or post signal processing is required to treat the drifts in the identification results, which prohibits the real-time identification of joint structural state and unknown inputs. In this paper, it is aimed to extend the classical KF approach to circumvent the above limitation for real time joint estimation of structural states and the unknown inputs. Based on the scheme of the classical KF, analytical recursive solutions of an improved Kalman filter with unknown excitations (KF-UI) are derived and presented. Moreover, data fusion of partially measured displacement and acceleration responses is used to prevent in real time the so-called drifts in the estimated structural state vector and unknown external inputs. The effectiveness and performance of the proposed approach are demonstrated by some numerical examples.

• 대한교통학회지
• /
• 제23권5호
• /
• pp.135-146
• /
• 2005

현재까지 다양한 검지기로부터 추정되는 통행시간의 융합에 관한 연구는 주로 GPS, Probe 자료 등 간헐적인 자료에 기반하여 이루어져 왔다. 이러한 간헐적 자료의 분산비에 기초한 융합모형은 번호판 인식 AVI와 같이 다량의 자료 구득이 용이한 시스템에는 적합하지 않다. 따라서, 본 연구는 지점검지기와 번호판 인식 AVI를 기반으로 각각 산출한 통행시간의 융합모형을 개발하고자 수행되었다. 본 연구에서는 지점검지기와 번호판인식 AVI 통행시간의 융합을 위해 최적화 융합모형과 비례화 융합모형을 각각 개발하였다. 검증 결과, 최적화 융합모형이 가장 우수한 추정력을 보여주었다. 최적화 융합모형은 실시간 이력자료를 기반으로 융합 가중치를 산정하여 현재 시간대에 적용하는 실시간 차원의 동적 융합비 예측 모형이다. 본 연구결과는 향후 국도교통관리 및 정보제공시스템에 유용하게 적용될 것으로 기대된다. 그러나, 향후 AVI의 적정설치간격과 설치차로에 따른 매칭율을 고려한 보다 심도있는 연구를 필요로 한다.

• Smart Structures and Systems
• /
• 제11권6호
• /
• pp.569-587
• /
• 2013

This paper evaluates the closed loop performance of the reaching law based discrete sliding mode controller with multisensor data fusion (MSDF) in real time, by controlling the first two vibrating modes of a piezo actuated structure. The vibration is measured using two homogeneous piezo sensors. The states estimated from sensors output are fused. Four fusion algorithms are considered, whose output is used to control the structural vibration. The controller is designed using a model identified through linear Recursive Least Square (RLS) method, based on ARX model. Improved vibration suppression is achieved with fused data as compared to single sensor. The experimental evaluation of the closed loop performance of sliding mode controller with data fusion applied to piezo actuated structure is the contribution in this work.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권2호
• /
• pp.81-86
• /
• 2022

시계열 데이터는 주식, IoT, 공장 자동화와 같은 다양한 실생활에서 수집되고 활용되고 있으며, 정확한 시계열 예측은 해당 분야에서 운영 효율성을 높일 수 있어서 전통적으로 중요한 연구 주제이다. 전반적인 시계열 데이터의 향상된 특징을 추출할 수 있는 대표적인 시계열 데이터 분석 방법인 다층 수평 예측은 최근 부가적 정보를 포함하는 시계열 데이터에 내재한 이질성(heterogeneity)까지 포괄적으로 분석에 활용하여 향상된 시계열 예측한다. 하지만 대부분의 심층 학습 기반 시계열 분석 모델들은 시계열 데이터의 이질성을 반영하지 못했다. 따라서 우리는 잘 알려진 temporal fusion transformers 방법을 사용하여 실생활과 밀접한 실제 데이터를 이질성을 고려한 다층 수평 예측에 적용하였다. 결과적으로 주식, 미세먼지, 전기 소비량과 같은 실생활 시계열 데이터에 적용한 방법이 기존 예측 모델보다 향상된 정확도를 가짐을 확인할 수 있었다.

• 대한교통학회지
• /
• 제19권6호
• /
• pp.171-182
• /
• 2001

본 연구는 지점검지체계와 구간검지체계와의 자료합성을 통하여 도심 간선도로 및 지방도로 구간별 효과척도를 산정할 뿐만 아니라 유고검지 및 통행패턴 예측, 네트워크 기종점에 대한 최적/최단 경로를 탐색하는데 기초가 되는 구간 통행시간 추정을 수행한다. 개개 수집원의 자료합성을 위해 퍼지이론과 인공신경 망의 합성모형인 FALEM(Fuzzy Adaptive Learning Estimator for travel time from Multi-information sources)을 개발, 개발된 모형 FALEM에 의해 개개구간의 통행시간을 산출하고 동일시간, 동일구간에서 조사된 실측데이터와의 오차율 비교를 통해 추정된 통행시간을 검증하였다. 테스트 환경은 개발모형에 의해 추정된 구간 통행시간의 적용성을 고려하여 실시간 운영하에서 수행되었다.