Distributed Target Tracking Filters in Underwater Sensor Networks :수중 센서 네트워크에서의 분산형 표적 추적 필터

유창호

추천

검색

자료유형: 학위논문

저자정보: 유창호 (부산대학교, 부산대학교 대학원)

지도교수: 최재원

발행연도: 2014

저작권: 부산대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (4)

2015

Target Tracking Filter Based on Sensor Localization System via ToA Method in Underwater Sensor Networks

유창호 , 민수홍 , 최재원 제어로봇시스템학회 국내학술대회 논문집 2015.05 학술대회자료

2014

Distributed Target Tracking Filters in Underwater Sensor Networks

유창호 지능기계공 2014.01 학위논문

2013

Interacting Multiple Model Filter Based Distributed Target Tracking Algorithm in Wireless Sensor Networks

유창호 , 이정철 , 박은성 외 2명 제어로봇시스템학회 국내학술대회 논문집 2013.05 학술대회자료

2009

Interacting Multiple Model Based Target Tracking Filter Design for Underwater Wireless Sensor Networks

유창호 , 문현필 , 최재원 외 2명 제어로봇시스템학회 국내학술대회 논문집 2009.09 학술대회자료

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

초록· 키워드

오류제보하기

본 논문에서는 수중 센서 네트워크(USNs: underwater sensor networks)에서 다양한 궤적으로 이동하는 단일 표적에 대한 추적 알고리듬을 제안한다. 제안된 알고리듬은 수중 센서 네트워크와 같은 분산형 구조에서 표적의 상태를 추정하기 때문에 에너지 효율을 증대시킬 수 있는 장점이 있다.
일반적으로 수중 센서 네트워크에서 센서들의 위치를 사전에 알지 못하면 표적을 탐지한 센서에서 표적의 정확한 상태정보를 제공받을 수 없기 때문에 센서들의 위치를 파악하는 센서 로컬라이제이션(sensor localization) 기법이 중요하다. 따라서 본 논문에서는 센서 네트워크를 구성하는 여러 가지 요소들을 살펴보고, 센서들의 위치를 파악하기 위한 센서 로컬라이제이션 기법에 대해 연구한다. 그리고 본 논문의 관심영역인 수중환경을 고려하기 위해 수중 센서 네트워크의 특성을 분석한 후, 이를 기반으로 수중 센서 네트워크 환경에 적용 가능한 time of arrival(ToA) 방법에 기반한 센서 로컬라이제이션 기법을 제안한다.
제안된 수중 센서 로컬라이제이션 기법을 통해 수중 센서노드들의 위치를 파악할 수 있고 표적을 감시할 수 있는 모드로 돌입할 수 있다. 일반적인 표적 추적 기법들은 레이더와 같은 감시영역에서 표적을 추적하지만, 본 논문에서 제안하는 분산형 표적 추적 필터는 수중 센서 네트워크에서 효과적으로 표적을 추적할 수 있는 기법이다. 구체적으로 효과적인 센서 선정 기법인 waked-up/sleep (WUS) 기법을 제안하고, 이를 통해 표적 근처의 센서노드들의 정보만을 이용하여 표적을 추적할 수 있는 기법인 분산형 칼만필터(DKF: distributed Kalman filter)와 표적의 기동에도 효과적으로 대처할 수 있는 분산형 상호작용 다중모델(DIMM: distributed interacting multiple model) 필터를 제안한다. 제안된 수중 센서 네트워크에서의 분산형 표적 추적 필터의 성능을 검증하기 위해 다양한 조건의 몬테카를로 시뮬레이션을 이용한 수치적 예제들이 제공된다.

This dissertation describes the problem of accurately tracking a single target which has various trajectories, moving through the environment of underwater sensor networks (USNs) and addresses the issues of estimating the states of the target, improving energy efficiency in a distributed architecture. Several fundamental key aspects of underwater sensor networks are investigated and also the sensor localization system at the viewpoint of USNs is proposed. And the distributed KF (DKF) and distributed IMM (DIMM) filter are proposed to estimate the states of the target on valid sensor platforms, assuming the target moves along a variety of trajectories in USNs. A DIMM filter can combine different models which are formulated according to the maneuvering target motion characteristic so as to adapt different trajectory change and calculate the probability for each model. To realize the target tracking on valid sensor platforms, adaptive sensor selection scheme, wake-up/sleep (WUS), is proposed in USNs. To evaluate the proposed algorithm, numerical examples according to various maneuver types (low, normal, high maneuver) using Monte Carlo simulation are provided and the proposed algorithm can guarantee more accurate estimation performance and more energy efficiency from the simulation results.
And a sensor localization system based on the time of arrival (ToA) in USNs is proposed, this localization system consists of ToA-based distance estimation, position computation using trilateration, and localization algorithm using RPE method. For the proposed ToA-based sensor localization performance evaluation, numerical examples are provided according to the reference node’s position, detecting area of reference and sensor node, and the number of sensor node. From the simulation results, various factors such as the distance between the reference node can be critical for the performance of the localization system. Finally, proposed DKF and DIMM can guarantee the estimation performance effectively and successfully in localized USNs.

#Target Tracking #수중 센서 네트워크

1 Introduction 1
1.1 Background 1
1.2 Motivation 17
1.3 Contributions of the Dissertation 20
1.4 Overview of the Dissertation 22
2 Sensor Localization System 25
2.1 Introduction 25
2.2 Underwater Sensor Networks 27
2.3 Sensor Localization Systems 40
3 Kinematic Target Models 59
3.1 Introduction 59
3.2 Discretized Continuous-Time Kinematic Models 60
3.3 Direct Discrete-Time Kinematic Models 64
4 Maneuvering Target Tracking Algorithms 69
4.1 Introduction 69
4.2 Basic Techniques of Estimation 70
4.3 Multiple Model Approach 80
4.4 Interacting Multiple Model Filter 86
5 Distributed Target Tracking Filters in Underwater Sensor Networks 93
5.1 Introduction 93
5.2 Problem Formulation 97
5.3 Sensor Node Selecting Scheme 100
5.4 Distributed Target Tracking Filters 105
5.5 Simulations and Discussions 113
5.6 Concluding Remarks 130
6 Sensor Localization-based Distributed Target Tracking Filters in Underwater Sensor Networks 131
6.1 Introduction 131
6.2 Sensor Localization System in Underwater Sensor Networks 133
6.3 Graphical Description of ToA-based Sensor Localization System 138
6.4 Simulations and Discussions 144
6.5 Concluding Remarks 159
7 Conclusions and Future Research 161
7.1 Summary and Conclusions 161
7.2 Directions for Future Research 163
Bibliography 165
Abstract in Korean 183

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 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)