• 음성과학
• /
• 제8권2호
• /
• pp.73-81
• /
• 2001

In this paper, we focus on the real time implementation of the single channel adaptive noise canceller(ANC) by using TMS320C30 EVM board. The implemented single channel adaptive noise canceller is based on a reference paper [1] in which it is simulated by using the recursive average magnitude difference function(AMDF) to get a properly delayed input speech on a sample basis as a reference signal and normalized least mean square(NLMS) algorithm. To certify results of the real time implementation, we measured the processing time of the ANC and enhancement ratio according to various signalto-noise ratios(SNRs). Experimental results demonstrate that the processing time of the speech signal of 32ms length with delay estimation of every 10 samples is about 26.3 ms, and almost the same performance as given in [1] is obtained with the implemented system.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1995년도 춘계학술대회
• /
• pp.117-119
• /
• 1995

서울대학교 의공학과에서는 부분적인 심부전 판자의 보조 및 치료장비로 전기유압식 좌심실 보조 장치를 개발하고 있다. 이 장비의 경우 인체의 좌심방 및 대동맥에 직접 연결되므로 실제적으로 좌심실 보조 장치의 박출량을 센서를 통하여 알아내는 데에는 여러가지 어려움이 따른다. 이러한 필요성에 비추어 전기유압식 좌심실 보조 장치의 박출량을 시스템을 ARX모델로 모델링하여 RLS(Recursive Least Square) 알고리듬을 이용하여 추정하였다. 그 결과 비교적 높은 정착도로 박출량이 추정됨을 볼 수 있었다. 하지만, ARX모델의 특성상 원래 본 연구의 시작과정에서 분석한 시스템의 동적 특성을 완전하게 반영할 수 없었다. 앞으로 시스템의 파라미터 추정 과정에서 이미 주어진 동적 특성은 고정시키고 나머지 파라미터들만을 추정하는 알고리듬을 개발하는 것도 흥미로운 과제라 할 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 제37회 하계학술대회 논문집 D
• /
• pp.1787-1788
• /
• 2006

In this paper, a noisy passive telemetry sensor system using Unscented Kalman Filter (UKF) is proposed. To overcome these trouble problems such as a power limitation and a estimation complexity that the general passive telemetry sensor system including IC chip has, the principle of inductive coupling was applied to the modelling of a passive telemetry sensor system (PTSS) and its noisy capacitive parameter was estimated by the UKF algorithm. Specialty, to show the effective tracking performance of the UKF, we compared with the tracking performance of Recursive Least Square Estimation (RLSE) using linearization

• 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.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2016년도 추계학술대회 논문집
• /
• pp.75-76
• /
• 2016

The relationship of widely used Open circuit Voltage (OCV) versus State of Charge (SOC) is critical for any reliable SOC estimation technique. However, the hysteresis existing in all type of battery which has been come to the market leads this relationship to a complicated one, especially in Lithium Iron Phosphate (LiFePO4) battery. An accurate model for hysteresis phenomenon is essential for a reliable SOC identification. This paper aims to investigate and propose a method for hysteresis modeling. The SOC estimation is done by using Extended Kalman Filter (EKF), the parameter of the battery is modeled by Auto Regressive Exogenous (ARX) and estimated by using Recursive Least Square (RLS) filter to tract each element of the parameter of the model.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2020년도 전력전자학술대회
• /
• pp.209-211
• /
• 2020

운송기관의 온실가스 저감을 위해 배터리-수소연료전지 하이브리드 철도추진시스템에 대한 연구가 활발히 진행되고 있다. 이 중 배터리는 빠른 응답 특성으로 하이브리드 철도추진 시스템의 효율을 극대화 시키기 위해 주요 전원으로 사용되고 있어, 시스템의 안전성 및 신뢰성을 높이기 위해 정확한 열화추정이 요구되고 있다. 본 논문에서는 사전 모델의 수립이 필요하지 않고 미소 용량 및 폐회로 제어가 가능한 재귀 최소제곱 추정 기법을 이용한 리튬이온 배터리의 SOH 추정 기법을 제안하였으며, 1S18P 배터리 모듈을 통해 열화 추정결과를 검증하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2007년도 춘계학술대회 학술발표 논문집 제17권 제1호
• /
• pp.435-439
• /
• 2007

This paper deals with RLS algorithm using Newton-Raphson method based adaptive forgetting factor for a passive telemetry RF sensor system in order to estimate the time variant parameter to be included in RF sensor model. For this estimation with RLS algorithm, phasor typed RF sensor system modelled with inductive coupling principle is used. Instead of applying constant forgetting factor to estimate time variant parameter, the adaptive forgetting factor based on Newton-Raphson method is applied to RLS algorithm without constant forgetting factor to be determined intuitively. Finally, we provide numerical examples to evaluate the feasibility and generality of the proposed method in this paper.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.286-287
• /
• 2011

Kalman filter(KF) algorithm is a very useful application being used in many engineering fields. Through the KF, the next time step's estimation can be almost simultaneously calculated by the recursive least square optimization method with the present measurement data. It provides us with the superior detection performance of power quality events. This paper deals with the concrete programming example of KF to detect various kinds of PQ disturbances, such as voltage sag, swell, harmonics, voltage fluctuation and Frequency variation.

• 조명전기설비학회논문지
• /
• 제16권5호
• /
• pp.45-52
• /
• 2002

본 논문에서는 데이터 수집 보드로부터 호스트 컴퓨터로 시리얼 통신 채널을 통하여 전송된 BLDC(Brushless DC)모터의 입력과 출력 정보를 이용하여 모터의 저항값을 추정함으로써 고장을 검출하는 고장검출 시스템을 제안하였다. 프레임 크기가 고정된 프로토콜을 설계하고, 주기적으로 통신이 이루어지도록 하여 시리얼 통신 채널에서 발생되는 대역폭 제한으로 인한 시간지연문제를 해결하였으며, 저항값을 추정하기 위하여 간략화된 BLDC모터 모델과 순환형 최소자승법 알고리즘을 사용하였다. 제안된 고장 검출 방법은 실험을 통하여 성능을 확인하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1996년도 한국자동제어학술회의논문집(국내학술편); 포항공과대학교, 포항; 24-26 Oct. 1996
• /
• pp.527-530
• /
• 1996

The Kalman filter has been used as a self-localization method for the mobile robot. To satisfy the assumptions inherent in the Kalman filter, we should calibrate the sensors of the robot before use of them. However, it is generally hard to find exact sensor parameters, and the parameters may change during the robot task as the environment varies. Thus we need to perform on-line sensor calibration, by which we can obtain more credible location of the mobile robot. In this paper, we present an on-line sensor calibration scheme which estimates the unknown sensor bias and the current position of the robot. To this end, first we find out the calibration errors of the sensor from redundant sensory data using the parity vector and recursive minimum variance estimation. Then we calculate the current position of the robot by weighted least square estimation without internal encoder data. The performance of the proposed method is evaluated through computer simulation.