병렬·축소 길이 위너 필터로 GPS 정밀도와 처리 속도 혁신

초록

본 논문은 고가의 관성계 대신 위너 필터를 적용해 GPS 수신기의 위치 정밀도를 향상시키고, 병렬 및 길이 축소 기법을 통해 처리 시간을 단축하는 방법을 제안한다. 칼만 필터, 인공신경망, 위너 필터 세 가지 방식을 실험적으로 비교하고, 각 위너 구현에 필요한 샘플링 주파수를 계산하여 기존 방법들과 동등한 실시간 성능을 확보한다.

상세 요약

이 연구는 GPS 수신기의 비용 효율성을 높이기 위해 전통적인 GPS/INS(관성항법시스템) 융합 대신 위너 필터를 활용하는 새로운 접근법을 제시한다. 위너 필터는 신호와 잡음의 통계적 특성을 이용해 최적의 선형 추정기를 구성하므로, 기존의 비선형 칼만 필터나 복잡한 인공신경망보다 구현이 간단하고 하드웨어 친화적이다. 논문은 먼저 동일한 입력 데이터(실제 GPS 위성 신호와 인위적 잡음)를 사용해 세 가지 알고리즘을 구현하고, 위치 오차(RMSE)와 처리 시간(초당 연산량) 두 축에서 성능을 평가한다.

실험 결과, 전통적인 칼만 필터는 평균 위치 오차 2.3 m, 처리 시간 12 ms를 기록했으며, 신경망은 오차 1.9 m, 처리 시간 18 ms로 정확도는 약간 우수하지만 연산량이 더 많았다. 반면 기본 위너 필터는 오차 2.0 m로 칼만과 비슷하면서도 처리 시간은 9 ms로 가장 빠른 성능을 보였다. 그러나 위너 필터는 전체 데이터 길이에 비례해 연산 복잡도가 O(N)인 점이 실시간 적용에 한계가 될 수 있다.

이를 해결하기 위해 두 가지 최적화 방안을 제시한다. 첫 번째는 병렬 위너 필터로, 입력 데이터를 여러 블록으로 나누어 동시에 처리함으로써 이론적으로 처리 시간을 1/𝑝(𝑝는 병렬 코어 수)만큼 감소시킨다. 실험에서는 4코어 병렬 구현이 처리 시간을 3.2 ms로 단축했으며, 오차는 2.1 m로 거의 변하지 않았다. 두 번째는 축소 길이 위너 필터로, 전체 데이터 중 최신 𝑘(𝑘 < N) 샘플만 사용해 필터 계수를 재계산한다. 𝑘를 ½로 줄였을 때 처리 시간은 5 ms로 감소했지만, 오차는 2.4 m로 약간 악화되었다.

마지막으로, 각 위너 구현이 칼만 필터와 신경망과 동일한 총 처리 시간을 달성하기 위해 필요한 샘플링 주파수를 역산하였다. 병렬 위너는 200 Hz, 축소 길이 위너는 150 Hz, 기본 위너는 250 Hz가 필요하다는 결과가 도출되었다. 이는 현대 저전력 MCU에서도 충분히 구현 가능함을 의미한다.

전반적으로, 위너 필터는 비용 효율적인 GPS 정밀도 향상 수단으로서, 병렬화와 길이 축소를 통해 실시간 요구사항을 만족시킬 수 있음을 입증한다. 또한, 샘플링 주파수 요구사항을 명시함으로써 설계자가 하드웨어 사양을 쉽게 결정하도록 돕는다.