IMM 알고리듬의 모드 계수 갱신 방법을 통한 레이돔 굴절률 추정

김영모; 백주훈

추천

검색

자료유형: 학술저널

저자정보: 김영모 백주훈

저널정보: 한국전자통신학회 한국전자통신학회 논문지 한국전자통신학회 논문지 제12권 제5호

발행연도: 2017.1

수록면: 763 - 770 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2017

IMM 알고리즘을 이용한 레이돔 굴절률 추정

김영모 로봇학과 2017.01 학위논문

IMM 알고리듬의 모드 계수 갱신 방법을 통한 레이돔 굴절률 추정

김영모 , 백주훈 한국전자통신학회 논문지 2017.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

항공기 전면에 장착되는 레이돔은 표적을 탐색 및 추적하는 데에 있어서 기동 중에 발생하는 다양한 이유로 굴절오차를 야기할 수 있다. 이러한 굴절오차는 마이크로파 탐색기가 허상표적을 탐지하고 있는 것을 의미한다. 3차원 공간상에서 항공기에 장착된 레이돔의 굴절률을 추정하는 목적으로 일반적으로 알려진 상호작용 다중모델(Interactive Multiple Model, IMM) 알고리듬을 적용한다. 하지만, 레이돔 굴절률과 같은 불확실한 시스템 모델의 계수를 추정할 수 있음에도 예측값의 범위를 벗어날 때에는 추정 성능을 보장할 수 없다. 본 논문에서는 레이돔 굴절률의 예측값을 IMM 알고리듬의 모드 계수로 두고 예측값을 갱신하는 방법을 제안하며, 제안한 방법의 레이돔 굴절률 추정 성능을 확인한다.

#레이돔 굴절률 #시선각 #IMM 알고리듬 #칼만 필터 #Radome slope #Line of sight #IMM algorithm #Kalman filter

참고문헌 (8)

참고문헌 신청

A. Bhattacharyya / 2005 / In Flight Radome Error Compensation Through Simulated Test Data / American Institute of Aeronautics & Astronautics Guidance, Navigation, and Control C

F. Genovese / 2001 / The Interacting Multiple Model Algorithm for Accurate State Estimation of Maneuvering / JOHNS HOPKINS APL TECHNICAL DIGEST 22 (4) : 614 ~ 623

T. Song / 2004 / Active homing performance enhancement with multiple model radome slope estimation / Proc. of the Institution of Mechanical Engineers, Part G: J. of Aerospace

Y. Bar Shalom / 2001 / Estimation with Applications to Tracking and Navigation / WILEY

문용선 / 2010 / 화재감지를 위한 로봇 설계 및 데이터 처리 / 한국전자통신학회 논문지 05 (01) : 31 ~ 36

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김영모

소속기관 한국전자통신학회

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 1 이용수 5

백주훈

소속기관 광운대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 3 이용수 16

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (8)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)