Comparison of Self-Position Estimation Accuracy between Least Square Method and Particle Swarm Optimization

본 논문은 GPS(Global Positioning System)-denied 환경에서 입자 군집 최적화(PSO, Particle Swarm Optimization) 기법을 이용한 자기 위치 추정 알고리즘을 제안한다. 기존의 연구에서와 마찬가지로 회전하는 계단 주파수 레이더로 기준 표적으로부터 반사 신호를 수신하고, EP(Evolutionary Programming)-based CLEAN 알고리즘을 통해 기준 표적의 거리 정보를 정밀하게 추출한다. 또한, CNN(Convolutional Neural Network)을 이용해 거리-표적 짝짓기(Range-target association)를 수행하고, 마지막으로 PSO를 적용해 위치를 추정한다. 시뮬레이션 결과, 제안된 기법은 기존 최소자승법(LS, Least Square) 방식보다 모든 신호대잡음비(SNR, Signal-to-Noise Ratio)에서 더 낮은 RMSE(Root Mean Square Error)를 가짐을 확인하였다.