• 전자공학회논문지S
• /
• 제35S권7호
• /
• pp.72-85
• /
• 1998

In this paper, we propose a new method that sequentially estimates TDOA(Time Delay Of Arrival) and FDOA(Frequency Delay Of Arrival) for extracting the information about the bearing and relative velocity of a target in passive radar or sonar arrays. The objective is to efficiently estimate the TDOA and FDOA between two sensor signal measurements, corrupted by correlated Gaussian noise sources in an unknown way. The proposed method utilizes the one dimensional slice function of the third order cumulants between the two sensor measurements, by which the effect of correlated Gaussian measurement noises can be significantly suppressed for the estimation of TDOA. Because the proposed sequential algoritjhm uses the one dimensional complex ambiguity function based on the TDOA estimate from the first step, the amount of computations needed for accurate estimationof FDOA can be dramatically reduced, especially for the cases where high frequency resolution is required. It is demonstrated that the proposed algorithm outperforms existing TDOA/FDOA estimation algorithms based on the ML(maximum likelihood) criterionandthe complex ambiguity function of the third order cumulant as well, in the MSE(mean squared error) sense and computational burden. Various numerical resutls on the detection probability, MSE and the floatingpoint computational burden are presented via Monte-Carlo simulations for different types of noises, different lengths of data, and different signal-to-noise ratios.

• 제어로봇시스템학회논문지
• /
• 제16권2호
• /
• pp.158-163
• /
• 2010

In this paper, we propose the location measurement algorithm of unknown tag based on RFID (Radio-Frequency IDentification) by using RSSI (Received Signal Strength Indication) and TDOA (Time Difference of Arrival) and extended Kalman filter in smart space. To do this, first, we recognize the location of unknown tag by using the RSSI and TDOA recognition methods. Second, we set the coordinate of the tag location measured by using trilateration and SX algorithm. But the tag location data measured by this method are included complex environmental error. So, we use the extended Kalman filter in order to revise error data of the tag location. Finally, we validate the applicability of the proposed method though the simulation in a complex environment.

• 제어로봇시스템학회논문지
• /
• 제21권6호
• /
• pp.589-594
• /
• 2015

In this paper, we described the Cramer-Rao Lower Bound (CLRB) performances of Time Difference of Arrival (TDOA) and Frequency Difference of Arrival (FDOA) methods when there are multiple emitters. The TDOA and FDOA values between two receivers can be simultaneously estimated by using the so-called Complex Ambiguity Function (CAF). In the case of multiple emitters, there exist Inter Symbol Interferences (ISIs) in the measurement data. Therefore, it is required to reduce the effect of ISI and provide a performance evaluation method of TDOA and FDOA estimations. In order to eliminate the ISIs, using of a filter bank before calculating CAF is proposed when the carrier frequencies of the emitters are different to one another. Angle of Arrival (AOA) or Received Signal Strength (RSS) methods before calculating CAF were proposed to reduce the ISIs when the carrier frequencies are the same. In order to evaluate the CRLB of TDOA and FDOA estimations, we employed the conditional probability distribution method and described the numerical comparison results.

• 한국소음진동공학회논문집
• /
• 제19권7호
• /
• pp.710-718
• /
• 2009

The time difference of arrival(TDOA) algorithm is being used widely for identifying the location of a source emanating either electrical or acoustic signal. It's application areas will not be limited to identifying the source at a fixed location, for example the origin of an earthquake, but will also include the trajectory monitoring for a moving source equipped with a GPS sensor. Most of the TDOA algorithm uses time correlation technique to find the time delay between received signals, and therefore difficult to be used for identifying the location of multiple sources. In this paper a TDOA algorithm based on cross-spectrum is developed to find the trajectory of two sound sources with different frequencies. Although its application is limited to for the sources on a disk plane, it can be applied for identifying the locations of more than two sources simultaneously.

• 한국통신학회논문지
• /
• 제32권7C호
• /
• pp.608-615
• /
• 2007

일반적으로 양방향 전송을 통한 TOA(Time Of Arrival) 정보는 두 디바이스간의 정확한 RTT(Round Trip Time) 정보로부터 도출되지만 디바이스간의 서로 다른 클럭 표류의 영향으로 인하여 RTT 측정 시 요구되는 응답 시간이 길 경우 매우 심각한 TOA 오차를 야기 시키게 된다. 이를 해결하기 위해서 본 논문에서는 비동기 시스템에서 클럭 표류의 영향을 줄이면서 TOA와 TDOA(Time Difference Of Arrival) 정보를 획득하는 방안을 제안한다. 이를 검증하기 위해서 IEEE 802.15.4a Task Group에서 제시한 단방향 전송을 통한 측위 방안과 비교하였으며 제안된 방안이 기존 방법들보다 개선된 성능을 보임을 확인하였다.

• 한국통신학회논문지
• /
• 제36권11C호
• /
• pp.702-711
• /
• 2011

본 논문에서는 발신자가 송출한 신호를 이용하여 TDOA(Time Difference of Arrival) 방식으로 발신자의 위치를 추정할 때, BLUE(Best Linear Unbiased Estimator) 추정기와 이의 CRLB(Crammer-Rao Lower Bound)를 닫힌 해 형태로 구하였다. 3 개의 기준국 또는 센서를 사용하여 2차원의 발신자 위치를 추정할 때, BLUE 추정기를 사용하여 CRLB를 구하기 위해서 발신자의 위치에 대한 기준 위치를 설정한 후 이를 1 차 Taylor 급수로부터 유도된 근사회된 TDOA 쌍곡선 방정식을 사용하였다. 본 논문에서 근사화를 통해 구해진 유도식은 각 기준국 또는 센서에서의 TOA(Time of Arrival) 측정 잡음이 서로 상관관계가 없고 독립적이라는 가정하에서, 백색 가우시안 잡음에 대해서뿐만 아니라 평균이 제로인 모든 잡음에 대해서 적용할 수 있다.

• 한국통신학회논문지
• /
• 제37B권10호
• /
• pp.912-920
• /
• 2012

이 논문에서는 발신자가 송출한 신호를 이용하여 TDOA(Time Difference of Arrival) 방식으로 발신자의 3 차원 위치를 추정할 때, BLUE(Best Linear Unbiased Estimator) 추정기를 닫힌 해 형태로 구하였다. 4 개의 기준국 또는 센서를 사용하여 3차원의 발신자 위치를 추정할 때, BLUE 추정기를 구하기 위해서 발신자의 위치에 대한 기준 위치를 설정한 후 이를 1 차 Taylor 급수로부터 유도된 근사화된 TDOA 쌍곡선 방정식을 사용하였다. 이 논문에서 근사화를 통해 구해진 유도식은 각 기준국 또는 센서에서의 TOA(Time of Arrival) 측정 잡음이 서로 상관관계가 없고 독립적이라는 가정하에서, 백색 가우시안 잡음에 대해서뿐만 아니라 평균이 제로인 모든 잡음에 대해서 적용할 수 있다.

• 한국음향학회지
• /
• 제43권2호
• /
• pp.178-183
• /
• 2024

본 연구는 데이터 기반의 딥러닝 접근 방식을 통해 도달 방향 추정의 정확성과 정밀성의 개선을 통해 보다 강건하고 정확한 음원 위치 추적 기술을 제안한다. 본 연구에서는 도달시간 차 기반의 음원 위치 추적법을 개선함을 목적으로 하며, 이를 위해 상호상관함수로부터 정확하고 정밀한 시간 지연을 추정한다. 실제 마이크로폰으로부터 계측된 값은 많은 잡음이 혼입된 형태이므로, 따라서 실제 도달시간 차이를 정확히 추정하는 것이 여전히 이 분야의 한계로 남아있다. 또한, 마이크로폰으로 부터 실제 신호를 계측하는 과정에서 신호는 디지털화가 되며, 계측 시스템의 샘플링 주파수에 의해 측정 정밀도가 한정되는 양자화 오류를 수반한다. 본 연구에서는 딥러닝 기반 접근법을 통해, 기존의 방법이 가지는 한계를 극복한다. 또한 본 연구에서는 획득된 상호상관함수로부터 시간 지연을 추정하는 원리를 분석하기 위해, 두 개 및 세 개의 마이크로폰으로 구성된 배열에 대한 검증을 수행한다. 마지막으로, 실험을 통해 본 방법의 실제 활용성을 검증한다.

• 로봇학회논문지
• /
• 제7권4호
• /
• pp.231-242
• /
• 2012

This paper proposes particle filter(PF) method using acoustic signal for localization of an underwater robot. The method uses time of arrival(TOA) or time difference of arrival(TDOA) of acoustic signals from beacons whose locations are known. An experiment in towing tank uses TOA information. Simulation uses TDOA information and it reveals dependency of the localization performance on the uncertainty of robot motion and senor data. Also, comparison of the PF method with the least squares method of spherical interpolation(SI) and spherical intersection(SX) is provided. Since PF uses TOA or TDOA which comes from measurement of external information as well as internal motion information, its estimation is more accurate and robust to the sensor and motion uncertainty than the least squares methods.

• 경영과학
• /
• 제29권3호
• /
• pp.1-11
• /
• 2012

This paper considers a localization problem in time difference of arrival (TDOA)-based radio frequency identification (RFID) systems. To estimate the position of a target tag, this paper suggests three localization algorithms that use benchmark tags. The benchmark tags are the same type as the target tag, but either the locations or distance of the benchmark tags are known. Two algorithms use the benchmarks for auxiliary information to improve the estimation accuracy of the other localization algorithms such as least squared estimator (LSE). The other one utilizes the benchmarks as essential tags to estimate the location. Numerical tests show that the localization accuracy can be improved by using benchmark tags especially when an algorithm using the LSE is applied to the localization problem. Furthermore, this paper shows that our benchmark algorithm is valuable when the measurement noise is large.