Earticle

무인항공기는 2000년대 중반부터 탐색, 조사, 매핑, 수색 및 구조 등의 3D 작업에 적극적으로 사용되기 시작했다. 이러한 세계적인 추세에 따라, 무인항공기의 정밀한 제어는 엄청난 응용 산업들의 측면에 있어서 혁명을 가져올 것이다. 논문의 첫 번째 파트에서는 시스템식별 기법을 사용하여 간략화 된 무인항공기의 모델을 이전의 이산시간 선형모델과 비교분석 한다. 두 번째 파트에서는 동적 모델의 세 가지 변수가 배치추정기법과 RLS추정기 법을 사용하여 추정된다. 쿼드로터 무인항공기 호버링 기동 시의 각가속도 데이터가 항상 수렴한다고 분석되었다. 또한 실험 및 MATLAB 시뮬레이션의 쿼드로터 무인항공기 비행 데이터에 의하면, 배치추정기법이 RLS추정기법 보다 더 정확하다고 판명되었다.

UAVs began to be actively applied to so-called 3D jobs, including the autonomous exploration, investigation, mapping, search and rescue, etc. since the mid-2000s. With this global trend, having a precise controllability of the UAV will certainly revolutionize the life of the modern human in the aspect of tremendous applications of the UAV. In the first part, a simplified dynamic model of the UAV identified using system identification techniques is compared with the previously built time-discrete linear model. In the second part, the three parameters of the dynamic model are estimated using the batch and RLS methods. Angular acceleration data of the quadrotor UAV at the hovering maneuver are analyzed and shown to be converging at all time. Also, according to the quadrotor flight data from both experiments and MATLAB simulations, the batch estimation method turns out to be more accurate than the RLS estimation method based on the comparison of final parameter values.

본 논문은 자율주행 개인화를 위한 순환 최소자승 기반 융합형 종방향 주행특성 구분 알고리즘에 관한 연구이다. 최근 자율주행 기술은 Level 4 완전 자율주행 단계를 위해 다양한 연구가 수행되고 있다. 자율주행 자동차의 상용화를 위해서는 탑승자의 자율주행에 대한 이질감을 최소화할 수 있어야 하며 이를 위해 자율주행 개인화 기술이 필요하다. 이 문제를 해결하기 위해 본 연구에서는 운전자의 종방향 주행특성을 수학적으로 표현하고 순환 최소자승 기법 기반 실 주행 데이터를 이용하여 주행특성을 도출하는 알고리즘을 제안하였다. 두 명의 실제 운전자 데이터를 이용하여 종방향 주행특성을 도출하였으며 두 명의 운전자를 구분하기 위해 가설검정 기반 확률적 구분 알고리즘을 적용하였다. 제안된 종방향 주행특성 도출 및 구분 알고리즘은 개별 운전자의 주행특성을 합리적으로 나타낼 수 있었으며 가설검정 기반 확률적 구분기법에 의해 주행특성이 구분될 수 있음을 확인하였다.

This paper describes a recursive least-squares based convergent algorithm for driving characteristic classification for personalized autonomous driving. Recently, various researches on autonomous driving technology have been conducted for level 4 fully autonomous driving. In order for commercialization of the autonomous vehicle, personalized autonomous driving is required to minimize passenger’s insecureness to the autonomous vehicle. To address this problem. this study proposes mathematical model that represents driving characteristics and recursive least-squares based algorithm that can estimate the defined characteristics. The actual data of two drivers has been used to derive driving characteristics and the hypothesis testing method has been used to classify two drivers. It is shown that the proposed algorithms can derive driving characteristics and classify two drivers reasonably.

Adaptive Filtering is a widely researched topic in the present era of communications. When the received signal is continuously corrupted by noise where both the received signal and noise change continuously, then arises the need for adaptive filtering. The heart of the adaptive filter is the adaptive algorithm. This paper deals with cancellation of noise on speech signals using two algorithms-Least Mean Square (LMS) algorithm and Recursive Least Squares (RLS) algorithm with implementation in MATLAB. Comparisons of algorithms are based on SNR and tap weights of FIR filter. The algorithms chosen for implementation which provide efficient performances with less computational complexity.

차량의 롤오버는 심각한 사고중의 하나로 SUV 에 있어서 더욱 위험하나 롤오버 방지시스템을 통하여 발생을 최소화 시킬 수 있다. 하지만 이러한 방지 시스템의 성능은 승객 수나 다른 하중 조건에 따라 변하는 차의 질량이나 무게중심 같은 차량 관성 파라미터에 매우 민감하다. 본 논문에서는 이러한 문제점을 개선하기 위하여 종 방향, 횡 방향, 수직 방향 동역학을 기반으로 한 세 가지 질량 추정 알고리즘을 개발하고 이 세 가지 알고리즘들을 통합하여 임의의 주행 상황에서 실시간 연산을 통해 차량의 질량을 추정할 수 있는 통합 차량 질량 추정 방법을 제안하였다. 또한 실시간 시뮬레이션과 실험을 통하여 이 방법의 성능을 검증하였다.

Vehicle rollover is a serious kind of accident, particularly for sport utility vehicles, and its occurrence can be minimized by utilizing active rollover prevention systems. The performance of these protection systems is very sensitive to vehicle inertial parameters such as the vehicle's mass and center of mass. These parameters vary with the number of passengers and in different load situations. In this paper, a unified method for vehicle mass estimation is proposed that takes into account the available driving conditions. Three estimation algorithms are developed based on longitudinal, lateral, and vertical vehicle motion, respectively. Then, the three algorithms are combined to extract information on the vehicle's mass during arbitrary vehicle maneuvering. The performance of the proposed vehicle mass estimation method is demonstrated through real-time experiments.

본 연구에서는 RLS(Rescursive Least Square) 추정 알고리즘을 이용하여 정전용량형 센서를 사용한 원격 RF 센서 시스템을 구현하고자 한다. IC 칩 형태의 원격 RF 센서 시스템이 가지는 구성의 복잡성 그리고 전력소모 문제를 해결하기 위해 보다 간단한 유도결합모델이 제안된다. 원격 RF 시스템은 페이저법을 이용하여 수학적으로 모델링되며, 모델기반의 RLS 알고리즘을 적용하기위해 시스템의 파라메타를 재배열한다. 오차 제곱합의 수렴특성을 가진 RLS 알고리즘을 이용하여 정전용량 파라메타를 추정한다. 실제 위상차를 측정하기 위해 Exclusive OR를 이용한 위상차 감지 장치를 제안한다. 센서로는 각종 환경 측정-습도, 압력 등-에 실제 활용되고 있는 정전용량형 센서를 채택한다. 잡음을 내포한 측정 데이터에 대한 추정 성능을 확인함으로써 그 유효성을 검증하고자 한다.

본 연구에서는 RLS(Rescursive Least Square) 알고리즘을 이용하여 정전용량형 습도센서를 사용한 원격 RF 센서 시스템의 시변 파라메타를 추정하고자 한다. IC 칩 형태의 원격 RF 센서 시스템이 가지는 구성의 복잡성 그리고 전력소모 문제를 해결하기 위해 보다 간단한 유도결합모델이 제안된다. 모델기반의 RLS 알고리즘을 수학적인 모델로 유도된 시스템에 적용시키기 위해 페이저법을 이용하여 모델의 파라메타를 재배열한다. 오차 제곱합의 수렴특성을 가진 RLS 알고리즘을 이용하여 시변 파라메타를 추정하며, 잡음을 내포한 측정 데이터에 대한 추정 성능을 확인함으로써 그 유효성을 검증하고자 한다.

In this paper, time-varying parameter of passive telemetry RF sensor system is estimated using RLS(Rescursive $\leq$* Square) algorithm. In order to overcome the problems such as power limits and complication that general RF sensor system including IC chip has, the principle of inductive coupling is applied to model sensor system The model parameter is rearranged for applying RLS algorithm based on mathematical model to the derived model using inductive coupling principle. Time variant parameter of rearranged model is estimated using forgetting factor, and in case measured data is contaminated by noise and modelling error, the performance of RLS algorithm characterized by the convergence of squared error sum is verified by simulation.

운전자의 변의와 안전을 위한 장치로 센서를 차량에 많이 부착하게 되었다. 레이더도 그런 센서 중의 하나로 다른 센서들 보다 정확하게 주변상황을 인식하게 해 준다. 하지만 그런 레이더 데이터에는 차량의 정보들 뿐만 아니라 주변의 장애물, 건물 동의 원하지 않는 데이터가 같이 들어 오며 이런 물체들은 뒤에 있는 물체들을 가리기 까지 한다. 이 논문에서는 RLS(Recursive Least Square)를 사용하여 이런 가려지는 물체들의 데이터들을 버리지 않고 사용할 수 있는 알고리즘을 제안한다.

The main purpose of tunnel ventilation system is to maintain CO pollutant and VI (visibility index) under an adequate level to provide drivers with safe driving condition. Moreover, it is necessary to minimize power consumption used to operate ventilation system. To achieve the objectives, the control algorithm used in this research is reinforcement teaming (RL) method. RL is a goal-directed teaming of a mapping from situations to actions. The goal of RL is to maximize a reward which is an evaluative feedback from the environment. Constructing the reward of the tunnel ventilation system, two objectives listed above are included. RL algorithm based on actor-critic architecture and natural gradient method is adopted to the system. Also, the recursive least-squares (RLS) is employed to the learning process to improve the efficiency of the use of data. The simulation results performed with real data collected from existing tunnel are provided in this paper. It is confirmed that with the suggested controller, the pollutant level inside the tunnel was well maintained under allowable limit and the performance of energy consumption was improved compared to conventional control scheme.

강화학습을 위한 많은 방법 중 정책 반복을 이용한 actor-critic 학습 방법이 많은 적용 사례를 통해서 그 가능성을 인정받고 있다. Actor-critic 학습 방법은 제어입력 선택 전략을 위한 actor 학습과 가치 함수 근사를 위한 critic 학습이 필요하다. 본 논문은 critic의 학습을 위해 빠른 수렴성을 보장하는 RLS(recursive least square)를 사용하고, actor의 학습을 위해 정책의 기울기(policy gradient)를 이용하는 새로운 알고리즘을 제안하였다. 그리고 이를 실험적으로 확인하여 제안한 논문의 성능을 확인해 보았다.

최근 컴퓨터를 이용하여 효과적인 트레이드를 하려는 투자자들이 늘고 있다. 본 논문에서는 많은 인공지능 방법론 중에서 강화학습(reinforcement learning)을 이용하여 효과적으로 트레이딩하는 방법에 대해서 다루려한다. 특히 강화학습 중에서 natural policy gradient를 이용하여 actor의 파라미터를 업데이트하고, value function을 효과적으로 추정하기 위해 RLS(recursive least-squares) 기법으로 critic 부분을 업데이트하는 RLS 기반 natural actor-critic 알고리즘을 이용하여 트레이딩을 수행하는 전략에 대한 가능성을 살펴 보기로 한다.

무선 이동체에서 어댑티브 어레이 안테나를 적용하는 경우 가중계수벡터를 전파 환경의 변화에 빠르게 적응시키는 것이 중요하다. 4소자 등간격 선형 어레이 안테나 시스템에 대하여 일정 진폭의 포락선을 갖는 BPSK신호에 LMS 와 RLS 알고리즘을 컴퓨터 시뮬레이션에 적용시켜 본 결과 LMS 알고리즘의 수렴 특성에 비하여 RLS 알고리즘의 수렴 특성이 매우 뛰어남을 알 수 있었다.

Adaptive array is using the array of antenna elements spatially and its output is the sum of each antenna elements output signal which is multiplied by the controlled weight coefficients corresponding to each elements For the 4 elements equidistance linear array antenna system LMS and RLS algorithm was used as the adaptive instruction principles and the application results to the constant amplitude envelope signals such as BPSK can be seen that the computer simulation results are very fast in the convergence characteristics of directional patterns and the signal following characteristics.

In this study, We derived Recursive Least Squares(RLS) algorithm with adaptive maximum -likelihood channel estimate for digital pulse amplitude modulated sequence in the presence of intersymbol interference and additive white Gaussian noise. RLS algorithms have better convergence characteristics than conventional algorithms, LMS Least Mean Squares) algorithms.

In this paper, recursive least square algorithm is presented to estimate the parameters of step motor under low-speed operation. Parameter estimation is important for compensating the input current by calculating the ratio of the motor torque constant and detent torque constant that causes torque-ripple in low-speed applications. On-line parameter estimation process is a preliminary procedure to apply step motor to adaptive control. Computer simulation shows that the estimated parameters converge in finite time.

This paper describes the design of self-tuning speed controller for DC motor drive system using RLS(Recursive Least Squares) algorithm and Pole-Placement method. The model parameters, related to inertia and damping coefficient of motor, are estimated on-line by using RLS estimation algorithm. And a control signal is calculated by using pole placement method. Simulation and experimental results show that the proposed controller possesses excellent adaptation capability than a conventional PI/IP controller under parameter change.

This paper presents a newly developed speed sensorless drive using RLS(Recursive Least Squares) based on Neural Network Training Algorithm. The proposed algorithm based on the RLS has just the time-varying learning rate, while the well-known back-propagation (or generalized delta rule) algorithm based on gradient descent has a constant learning rate. The number of iterations required by the new algorithm to converge is less than that of the back-propagation algorithm. The RLS based on NN is used to adjust the motor speed so that the neural model output follows the desired trajectory. This mechanism forces the estimated speed to follow precisely the actual motor speed. In this paper, a flux estimation strategy using filter concept is discussed. The theoretical analysis and experimental results to verify the effectiveness of the proposed analysis and the proposed control strategy are described.

Speed sensors are required for the vector control of induction motors. These sensors reduce the sturdiness of the system and make it expensive. Therefore, a drive system without speed sensors is required. Also, the rotor inertia constant, the damping constant and the disturbed load torque of the IM are estimated by the RLS estimator and a torque observer. Then the observed disturbance torque is fed forward to increase the robustness of the IM speed drive.

While driving, the low frequency interior noise below 200Hz causes the main component that irritates the auditory acoustic sense. But these passive control methods bring out increment in cost and weight of the vehicle and result in low efficiency. Recently, various ANC(Active Noise Control) methos to suppress the low frequency noise began to launch into application. In this study, we implemented the active noise control system for passenger vehicle to cancel the engine booming noise using DSP-based control unit, 4 micorphones, and 2 speakers. We used MEFX-LMS (Multiple Error Filtered X-Least Mean Square) algorithm since it can be easily implemented in real time. Also, MEFX-RLS algorithm was taken to enhance the suppression of the harmonic components of the engine booming noise inspite of its computational complexity. The performance of two adaptive algorithms were analyzed with experimental resutls.

In this paper, a method for estimation of external force on an end-effector using joint torque sensor is proposed. The method is based on portion of measure torque caused by external force. Due to noise in the torque measurement data from the torque sensor, a recursive least-square estimation algorithm is used to ensure a smoother estimation of the external force data. However it is inevitable to create a delay for the sensor to detect the external force. In order to reduce the delay, modified recursive least-square is proposed. The performance of the proposed estimation method is evaluated in an experiment on a developed six-degree-of-freedom robot. By using NI DAQ device and Labview, the robot control, data acquisition and The experimental results output are processed in real time. By using proposed modified RLS, the delay to estimate the external force with the RLS is reduced by 54.9%. As an experimental result, the difference of the actual external force and the estimated external force is 4.11% with an included angle of $5.04^{\circ}$ while in dynamic state. This result shows that this method allows joint torque sensors to be used instead of commonly used external sensory system such as F/T sensors.

본 논문에서는 음향반향제거기를 구현하기 위한 적응알고리즘을 제안한다 특히 긴 임펄스 응답을 가지는 시스템의 식별을 위해 웨이블릿 필터를 사용하여 입력신호를 서브밴드로 분해함으로써 기존의 RLS알고리즘의 계산량을 줄여 수렴속도를 향상시켰다. 이 과정에서 적응필터를 다위상 구조로 구성하여 컨벌루션 과정을 병렬처리가 가능하도록 하였다. 제안된 알고리즘의 성능분석을 위하여 실제 음성신호를 입력신호로 하여 컴퓨터 모의실험을 수행하였으며 전대역 RLS알고리즘과 비교하였다.