This dissertation addresses a robust particle sampling strategy in terrain-referenced navigation problem. The study proposes an auxiliary sampled Gaussian mixture proposal distribution particle filter and a method of recursively instantiating multiple particle filter objects at the sigma points of the overall distribution. The proposal distribution of each particle filter stochastically nudges every particle towards the latest measurement, exhibiting a contracting feature of particles. Especially, the multimodal noise characteristic of radar altimeter measurement is remedied via a superposition of mode-associated stochastic nudging. The effect is reinforced by adapting the principle of auxiliary variable sampling. At the same time, operating multiple instances of particle filter at the sigma points force diversify the particle occupation over the state space. Particularly, the moments-preserving mixture transformation of the Gaussian distribution alleviates the ambiguity of determining variance each mixture as well as the use of heuristic parameters required in the general mixture particle filtering. The proposed method, which should be the combination of the two rationales, shows complementary feature via contraction-relaxation mechanism and becomes robust against potential degeneration and impoverishment of the particle filter and against large initial errors. The study focuses on the causes of the degeneration and impoverishment including multimodal measurement noise of terrain sensor, biased feature of the inertial navigation system, and severely nonlinear characteristic of terrain elevation. The extensive numerical experiments carried out in a various test scenarios shows the integrity and robustness of the proposed method.
본 연구에서는 지형 참조 항법에서의 강건한 파티클 필터링을 위한 파티클 추출 전략을 다루며, 보조 추출된 가우시안 결합 형태의 제안 분포 파티클 필터와 해당 파티클 필터 다수를 시그마 포인트를 중심으로 객체화하는 방안을 제시한다. 각각의 제안 분포는 지역적 측정치 구배와 칼만 필터의 원리를 활용해 소속된 파티클 필터의 파티클들을 가장 최근 측정치 방향으로 밀어내 응집시키는 특징을 가진다. 특히, 모드와 결합한 확륙적인 파티클 이동의 중첩을 통해 전파 고도계 측정치의 다모드 잡음을 올바르게 반영한다. 해당 효과는 보조 변수 추출의 원리를 도입해 극대화된다. 이와 동시에, 다수의 파티클 필터를 시그마 포인트와 같은 특징 점들에 객체화 하여 운용 하는 것은 전체 파티클 필터 입장에서 상태 공간의 파티클 점유를 다각화 하는 특징을 가진다. 특히, 가우시안 분포의 모멘트를 보존하는 혼합 분포 변환을 통해 각각의 객체가 가지는 분산을 결정해 모호성을 해결하고 일반적인 혼합 파티클 필터가 가지는 경험적 파라미터의 도입을 제거한다. 제안하는 방법인 이 둘의 결합은 이완-수축과 같은 기작을 통해 상호 보완적인 특징을 가지고 전체 파티클 필터의 잠재적인 퇴화 및 궁핍과 큰 초기 오차에 대해 강건하다. 본 연구가 초점을 맞추는 퇴화 및 궁핍의 원인으로는 지형 센서의 다모드 측정치 잡음, 관성 항법의 추정 편차, 그리고 지표고의 극심한 비선형성이 있다. 다양한 비교 시나리오에서 수치적인 결과를 제시하여 제안하는 방법이 단일 파티클 필터의 건전성 및 전체 필터의 강건성 측면에서 효과적임을 보인다.
