• ETRI Journal
• /
• 제45권3호
• /
• pp.394-403
• /
• 2023

Direct tracking problem of moving noncircular sources for multiple arrays is investigated in this study. Here, we propose an improved unscented particle filter (I-UPF) direct tracking method, which combines system proportional symmetry unscented particle filter and Markov Chain Monte Carlo (MCMC) algorithm. Noncircular sources can extend the dimension of sources matrix, and the direct tracking accuracy is improved. This method uses multiple arrays to receive sources. Firstly, set up a direct tracking model through consecutive time and Doppler information. Subsequently, based on the improved unscented particle filter algorithm, the proposed tracking model is to improve the direct tracking accuracy and reduce computational complexity. Simulation results show that the proposed improved unscented particle filter algorithm for noncircular sources has enhanced tracking accuracy than Markov Chain Monte Carlo unscented particle filter algorithm, Markov Chain Monte Carlo extended Kalman particle filter, and two-step tracking method.

• 한국지진공학회:학술대회논문집
• /
• 한국지진공학회 2002년도 추계 학술발표회 논문집
• /
• pp.213-220
• /
• 2002

본 연구에서는 최근에 개발된 Unscented Particle Filter (UPF)를 사용한 비선형 동적 구조계의 구조계수 규명기법이 연구되었다. 일반적인 비선형 구조계수 추정 문제의 일반 해는 존재하지 않으나, 그에 대한 대안으로써 선형 근사 기법인 extended Kalman filter (EKF)가 비선형 동적 구조계수의 추정에 주로 사용되어왔다. 그러나, EKF는 구간 선형(piecewise linear) 가정으로 인해 biased estimator이고 비선형성이 상대적으로 높을 때 오차가 큰 추정치를 주는 단점을 가진다. 이를 보완하기 위해서 UPF가 개발되었고, 이 기법은 particle filter의 일종으로써 Unscented Kalman filter (UKF)를 사용하여 importance proposal distribution을 생성한다. 수치실험이 SDOF와 MDOF에 대하여 3가지 경우에 대해서 수행되었다. 비선형 SDOF의 수치 실험으로부터 잡음이 가해진 상태에서 UKF가 EKF에 비해 초기 공분산 행렬의 가정에 대해 정확하고 강인한 추정결과를 보여줌을 보였다 최하층의 column에 비선형 거동이 발생하는 5층 전단 빌딩모형의 수치실험으로부터 UKF가 복잡한 구조물의 구조계수 추정능력이 있음을 보여주었다. 여러 가지 수치실험은 UPF가 EKF보다 비선형 동적 구조계수 추정에 있어서 더 나은 방법임을 보여 주었다.

• 한국시뮬레이션학회논문지
• /
• 제27권3호
• /
• pp.99-107
• /
• 2018

본 논문에서는 비선형성을 가지는 측정방정식의 상태값을 효과적으로 추정할 수 있는 확장칼만필터(Extended Kalman Filter/EKF)와 확장칼만필터의 변종들 그리고 코스트 레퍼런스 파티클필터(Cost-Reference Particle Filter/CRPF)를 이용하여 이차원 공간에서 표적추적 성능에 관하여 연구한다. 확장칼만필터의 변종으로 분산점칼만필터(Unscented Kalman Filter/UKF), 중심차분칼만필터(Central Difference Kalman Filter/CDKF), 제곱근 분산점칼만필터(Square Root Unscented Kalman Filter/SR-UKF) 그리고 제곱근 중심차분칼만필터(Square Root Central Difference Kalman Filter/SR-CDKF)를 소개한다. 본 연구에서는 노이즈가 불확실한 표적에 대하여 몬테카를로 시뮬레이션 기법을 이용하여 각 필터들의 평균제곱오차(Mean Square Error/MSE)를 계산하였다. 시뮬레이션 결과 확장칼만필터의 변종들 중에서 제곱근 중심차분칼만필터가 속도와 성능 면에서 가장 우수한 결과를 보여주었다. 코스트 레퍼런스 파티클 필터는 확장칼만필터와 다르게 노이즈의 확률 분포를 알 필요가 없다는 유리한 특성을 가지고 있으며 시뮬레이션 결과 제곱근 중심차분칼만필터보다 처리속도 및 정확도 면에서 우수한 결과를 보여주었다.

• 한국정보통신학회논문지
• /
• 제17권6호
• /
• pp.1273-1280
• /
• 2013

움직이는 물체를 추적함에 있어 언센티드 칼만 필터(UKF) 알고리즘은 미분 계산없는 빠른 수렴속도와 뛰어난 추정 성능을 지녔다. 그러나 이 방법은 가우시안 잡음 분포 하에서 적용해야 하는 등 제한적인 조건이 수반되는 문제점을 안고 있다. 반면에 파티클 필터(PF)는 제한적인 조건 없이 비선형/비가우시안 시스템에도 적용할 수 있는 상태 추정기법 이라 할 수 있겠다. 그러나 이 방법 또한 파티클의 갯수가 늘어나면 계산량이 크게 증가하는 등의 단점을 지니고 있다. 본 논문에서는 이러한 단점들을 극복하기 위하여 UKF와 PF를 결합한 언센티드 파티클 필터(UPF) 알고리즘을 제안하였다. 본 알고리즘의 성능을 확인하기 위하여 기존의 PF와 UPF 알고리즘을 2-자유도 펜듈럼 시스템을 이용하여 시뮬레이션 하였다. 결과적으로 본 논문에서 제안한 방법이 PF에 비하여 비선형/비가우시안 시스템의 상태 추정에 더욱 적합 함을 확인할 수 있었다.

• International Journal of Control, Automation, and Systems
• /
• 제6권2호
• /
• pp.204-213
• /
• 2008

In this paper, we present the practical application of an Unscented Kalman Filter (UKF) for an Indoor Mobile Localization System using ultrasonic sensors. It is true that many kinds of localization techniques have been researched for several years in order to contribute to the realization of a ubiquitous system; particularly, such a ubiquitous system needs a high degree of accuracy to be practical and efficient. Unfortunately, a number of localization systems for indoor space do not have sufficient accuracy to establish any special task such as precise position control of a moving target even though they require comparatively high developmental cost. Therefore, we developed an Indoor Mobile Localization System having high localization performance; specifically, the Unscented Kalman Filter is applied for improving the localization accuracy. In addition, we also present the additive filter named 'Pre-filtering' to compensate the performance of the estimation algorithm. Pre-filtering has been developed to overcome negative effects from unexpected external noise so that localization through the Unscented Kalman Filter has come to be stable. Moreover, we tried to demonstrate the performance comparison of the Unscented Kalman Filter and another estimation algorithm, such as the Unscented Particle Filter (UPF), through simulation for our system.

• 전자공학회논문지SC
• /
• 제48권6호
• /
• pp.82-90
• /
• 2011

본 논문에서는 실외 정밀 위치 추정을 위하여 설계된 GPS(Global positioning system)-INS(Inertial navigation system) 결합 시스템의 잡음 필터링 기법과 데이터 결합을 위한 기법을 소개한다. 실외 이동 항체의 속도 변화에 따라 차등적으로 발생하는 INS의 잡음들을 이산 웨이블릿 변환을 통해 신호를 분석하고 발생하는 잡음들을 데이터의 왜곡을 최소화하며 제거할 수 있는 차등 임계화 기법을 통한 필터링 기법을 제안하였다. 이는 항체의 가/감/등속을 고려하지 않고 특정 로우/하이 필터를 적용하여 데이터의 왜곡이 일어나는 기존 필터링 기법을 개선한 것이다. 또한 UPF를 이용해 비선형 특성과, 비가우시안 잡음의 특성을 가지는 실외 이동 항체의 GPS와 INS의 결합시킴으로서 실외에서 정밀하게 위치를 추정할 수 있게 하였고 이를 설계하여 실험을 통해 성능을 분석하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2017년도 전력전자학술대회
• /
• pp.126-127
• /
• 2017

An accurate State Of Charge (SOC) estimation of battery is the most important technique for Electric Vehicles (EVs) and Energy Storage Systems (ESSs). In this paper a new integrated Unscented Kalman Filter-Particle Filter (UKF-PF) is employed to estimate the SOC of a $LiFePO_4$ battery cell and a significant improvement is obtained as compared to the other methods. The parameters of the battery is modeled by the second order Auto Regressive eXogenous (ARX) model and estimated by using Recursive Least Square (RLS) method to calculate value of each element in the model. The proposed algorithm is established by combining a parameter identification technique using RLS method with ARX model and an SOC estimation technique using UKF-PF.

• Journal of Power Electronics
• /
• 제18권1호
• /
• pp.129-136
• /
• 2018

An accurate state-of-charge (SOC) estimation ensures the reliable and efficient operation of a lithium-ion battery management system. On the basis of a combined electrochemical model, this study adopts the forgetting factor least squares algorithm to identify battery parameters and eliminate the influence of test conditions. Then, it implements online SOC estimation with high accuracy and low run time by utilizing the low computational complexity of the unscented Kalman filter (UKF) and the rapid convergence of a particle filter (PF). The PF algorithm is adopted to decrease convergence time when the initial error is large; otherwise, the UKF algorithm is used to approximate the actual SOC with low computational complexity. The effect of the number of sampling particles in the PF is also evaluated. Finally, experimental results are used to verify the superiority of the combined method over other individual algorithms.

• 제어로봇시스템학회논문지
• /
• 제20권3호
• /
• pp.372-379
• /
• 2014

This paper surveys past and state-of-the-art SLAM technologies. The standard methods for solving the SLAM problem are the Kalman filter, particle filter, graph, and bundle adjustment-based methods. Kalman filters such as EKF (Extended Kalman Filter) and UKF (Unscented Kalman Filter) have provided successful results for estimating the state of nonlinear systems and integrating various sensor information. However, traditional EKF-based methods suffer from the increase of computation burden as the number of features increases. To cope with this problem, particle filter-based SLAM approaches such as FastSLAM have been widely used. While particle filter-based methods can deal with a large number of features, the computation time still increases as the map grows. Graph-based SLAM methods have recently received considerable attention, and they can provide successful real-time SLAM results in large urban environments.

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2011년도 한국우주과학회보 제20권1호
• /
• pp.25.4-25.4
• /
• 2011

Various estimation methods based on Kalman filter have been applied to the real-time satellite orbit determination. The most popular method is the Extended Kalman Filter (EKF) and the Unscented Kalman Filter (UKF). The EKF is easy to implement and to use on orbit determination problem. However, the linearization process of the EKF can cause unstable solutions if the problem has the inaccurate reference orbit, sparse or insufficient observations. In this case, the UKF can be a good alternative because it does not contain linearization process. However, because both methods are based on Gaussian assumption, performance of estimation can become worse when the distribution of state parameters and process/measurement noise are non-Gaussian. In nonlinear/non-Gaussian problems the particle filter which is based on sequential Monte Carlo methods can guarantee more exact estimation results. This study develops and tests the particle filter for satellite orbit determination. The particle filter can be more effective methods for satellite orbit determination in nonlinear/non-Gaussian environment.