傾斜している環境で方位角測定の可能なフラックスゲート地磁気センサー及びその測定方法
【課題】 ニューラルネットワークを用いて斜め状態でも正確な方位角値を測定すること
のできるフラックスゲート地磁気センサー及びその方法が開示される。
【解決手段】 本地磁気センサーは、パルス信号を生成して駆動信号として出力する駆動
パルス発生回路、相互直交するＸ軸及びＹ軸フラックスゲートを備え、駆動信号により発
生された磁気に対応するＸ軸及びＹ軸フラックスゲートそれぞれの電圧値を出力する２軸
フラックスゲートと、所定のニューラルネットワーク加重値行列（Ｎｅｕｒａｌ Ｎｅｔ
ｗｏｒｋ ｗｅｉｇｈｔ ｍａｔｒｉｘ）が格納されたメモリと、Ｘ軸及びＹ軸フラック
スゲート電圧値が測定されれば、メモリに格納されたニューラルネットワーク加重値行列
値を用いて電圧値を補正し、補正された電圧値を用いて方位角を演算する制御部と、を含
む。これにより斜め状況においても正確な方位角を測定することができる。
のできるフラックスゲート地磁気センサー及びその方法が開示される。
【解決手段】 本地磁気センサーは、パルス信号を生成して駆動信号として出力する駆動
パルス発生回路、相互直交するＸ軸及びＹ軸フラックスゲートを備え、駆動信号により発
生された磁気に対応するＸ軸及びＹ軸フラックスゲートそれぞれの電圧値を出力する２軸
フラックスゲートと、所定のニューラルネットワーク加重値行列（Ｎｅｕｒａｌ Ｎｅｔ
ｗｏｒｋ ｗｅｉｇｈｔ ｍａｔｒｉｘ）が格納されたメモリと、Ｘ軸及びＹ軸フラック
スゲート電圧値が測定されれば、メモリに格納されたニューラルネットワーク加重値行列
値を用いて電圧値を補正し、補正された電圧値を用いて方位角を演算する制御部と、を含
む。これにより斜め状況においても正確な方位角を測定することができる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、方位角（ａｚｉｍｕｔｈ）を測定するフラックスゲート（ｆｌｕｘ−ｇａｔｅ）センサー装置及び方位角測定方法に関し、詳細には、傾斜している環境でもニューラルネットワーク（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を用いて補正された方位角値を得ることのできるフラックスゲートセンサー装置及びその方位角測定方法に関する。
【背景技術】
【０００２】
地磁気センサーとは、人が感じられない地球磁気の強さ及び方法を測定する装置のことを意味する。特に、フラックスゲートを用いた地磁気センサーのことをフラックスゲートセンサーと呼ぶ。係る地磁気センサーは、観測地点の地磁気を測定することによってその地点の方位が分かるので、車のナビゲーション（ｎａｖｉｇａｔｉｏｎ）装置、携帯電話、携帯用端末装置などに表示されている地図情報を提供する、多様な用途で使用できる。
【０００３】
一方、フラックスゲートセンサーは、パーマロイ（ｐｅｒｍａｌｌｏｙ）のような材料を磁心として使用し駆動コイルにより励起磁場を加え、その磁心の磁気飽和及び非線形磁気特性を用いて外部磁場に比例する２次高調波成分を測定することにより、外部磁場のサイズ及び方向が測定できる。
【０００４】
係るフラックスゲートセンサーは１９３０年代の末に開発されたもので、他の形態の地磁気センサーと比較すると、感度がよく、経済的であり、相対的に小型で製造できる長所を持つ。また、電力消耗が少なく、出力信号の安定度（ｌｏｎｇ−ｔｅｒｍ ｓｔａｂｉｌｉｔｙ）をも優れているため、微弱磁界の検出、地球の絶対方向計測と共に鉱脈探査、標的探知、そして人工衛星の姿勢制御及び宇宙探査用に至る民需用及び軍事用まで幅広く使用されており、現在も性能効能のための研究がなされている。
【０００５】
特に、最近ではＭＥＭＳ（Micro Electro Mechanical System）技術が目覚しく発展することにより、これを用いた低消費電力型の超小型フラックスゲートセンサーの開発も進んでおり、携帯用電話機や端末装置に適用することが有利になっている。しかし、係る携帯機器に適用するためには単に小型化のみならず、移動が容易な携帯機器の特性を考えて常に安定的な方位測定を可能にする課題が残っている。即ち、ユーザが携帯機器を握っている姿勢やその方法により携帯機器は一定の方向に向わず、全ての方向に向うことになる。つまり、携帯機器に搭載されている地磁気センサーは水平位置について全ての傾斜角を有するよう斜めになれるし、その傾斜角も常に変動される。従って、このような使用環境においては地磁気センサーの傾斜による影響をリアルタイムで排除し、その検出信号を自動に補正する技術が求められている。
【０００６】
図１は、従来のフラックスゲートセンサーの構成を示したブロック図である。同図を参照すると、従来のフラックスゲートセンサー１００は、駆動パルス発生回路１０１、コイル駆動用電流増幅回路１０２、２軸フラックスゲート１０３、チョッピング（chopping）回路１０４、１次増幅回路１０５、低周波フィルタ１０６、２次増幅回路１０７、Ａ/Ｄコンバーター１０８、制御器１１０、傾斜検知装置１２０、及びメモリ１３０を含む。
【０００７】
駆動パルス発生回路１０１では、２軸フラックスゲートを駆動させ得る駆動パルスを生成した後、これを選択的にスイッチングしてコイル駆動用電流増幅回路１０２に印加する役割をする。コイル駆動用電流増幅回路１０２は多数個の増幅器及び反転器を用いて駆動パルス発生回路１０１を介して出力されたパルスについて位相が相互反対であるパルス信号及び反転パルス信号を出力する。
【０００８】
２軸フラックスゲート１０３は、互いに直交しているＸ軸及びＹ軸フラックスゲートを含み、Ｘ軸及びＹ軸フラックスゲートにそれぞれ伝達されたパルス信号及び反転パルス信号により駆動され、その駆動によって生じた起電力に対応される検出信号を出力する。図面にて、Ｘ軸及びＹ軸フラックスゲート１０３は四角リング状の２つの磁性体コアがそれぞれＸ軸及びＹ軸の２方向に長手方向を有するよう設けられており、磁性体コアそれぞれには駆動コイル及び検出コイルが捲線されている。駆動コイルに駆動パルスが印加されれば、Ｘ軸及びＹ軸フラックスゲートに磁気が発生し、これによる誘導気電力を、検出コイルを介して検出できるようにする。
【０００９】
２軸フラックスゲート１０３から検出された電気的な信号はチョッピング回路１０４で内蔵された多数個のスイッチを制御しチョッピングさせる。チョッピングされた電気的な信号は1次増幅回路１０５にて差動増幅されたあと、低周波フィルタ１０６を介して一定範囲の信号のみをフィルタリングし、２次増幅回路１０７で最終的に増幅される。増幅された信号はＡ/Ｄコンバーター１０８においてデジタル電圧値に変換し出力される。
【００１０】
一方、傾斜検知装置１２０は、３次元空間をＸ、Ｙ、Ｚ軸を用いて表す場合、ｘｙ表面にてＸ軸方向に設けられたＸ軸加速度センサーと、Ｙ軸方向に設けられたＹ軸加速度センサーとを含む２軸加速度センサーで具現され、地球重力方向へと斜めになるとき得られる信号を用いて斜め姿勢のピッチ角及びロール角を計算する。即ち、一定の質量を有する錘を用いて重力による錘の動きを角度計、目盛り、または指示針を介して視覚的に、且つ電気回路的に検査することによって、ピッチ角及びロール角を測定できる。傾斜検知装置１２０にて測定されたピッチ角及びロール角はメモリ１３０に格納される。
【００１１】
一方、制御器１１０は、２軸フラックスゲート１０３で測定された誘導起電力が所定の処理を行なってデジタル値に入力されれば、メモリ１３０に格納されたピッチ角、ロール角、及び現状態の伏角と入力されたデジタル値などを所定の演算式に代入し地磁気センサー２００の方位角が演算される。
【発明の開示】
【発明が解決しようとする課題】
【００１２】
しかし、係る従来の方法によると、傾斜検知装置１２０は重力加速度を用いてピッチ角及びロール角を測定するので、現位置状態が素早く変化されれば、ピッチ角及びロール角の測定においてエラーが生じる恐れがある。携帯機器のように早く動いている装置に使用するにはその困難さがある。さらに、傾斜検知装置１２０をさらに備えなければならないので、そのサイズ及び製造コストが増加してしまい、消費電力も増大になる恐れもある。従って、現在の各企業の主な関心分野である携帯型機器にて適用するには限界がある。
【００１３】
本発明は前述した問題点を解決するために案出されたもので、本発明の目的は傾斜している環境においても正しい方位角が測定できるフラックスゲート地磁気センサー及びその方位角測定方法を提供することにある。
【課題を解決するための手段】
【００１４】
前述した目的を達成するために、本願第１発明は、相互直交するＸ軸及びＹ軸フラックスゲートを備え、地磁気に対応する前記Ｘ軸及びＹ軸フラックスゲートそれぞれの電圧値を出力する２軸フラックスゲートと、前記Ｘ軸及びＹ軸フラックスゲート電圧値それぞれに対応する予め測定された傾斜環境におけるＸ軸及びＹ軸フラックスゲート電圧値をトレーニングし作成されたニューラルネットワーク加重直行列（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｗｅｉｇｈｔ ｍａｔｒｉｘ）が格納されたメモリと、前記Ｘ軸及びＹ軸フラックスゲート電圧値が測定されれば、前記メモリに格納されたニューラルネットワーク加重値行列値を用いて前記電圧値を補正し、補正された電圧値を用いて方位角を演算する制御部と、を含むことを特徴とするフラックスゲート地磁気センサーを提供する。
【００１５】
本願第２発明は、第１発明において、前記Ｘ軸及びＹ軸フラックスゲート電圧値は、制御部で次式（１）、（２）を用いて所定範囲の値にマッピングさせた正規化値であることを特徴とするフラックスゲート地磁気センサー
【００１６】
【数１】
ただし、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角。
【００１７】
本願第３発明は、第１発明において、前記ニューラルネットワーク加重値行列値は、前記フラックスゲート地磁気センサーのピッチ角、ロール角、及びヨー角の変化に対応される前記Ｘ軸及びＹ軸フラックスゲート電圧値を記録した所定のデータシートをニューラルネットワークソフトウェアに適用して、前記ニューラルネットワークをトレーニングさせることにより演算される。
【００１８】
本願第４発明は、第３発明において、前記データシートは、前記フラックスゲート地磁気センサーのピッチ角及びロール角が所定の角度固定された状態で、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定し格納する過程を経てから、前記ピッチ角及びロール角のいずれかを所定の角度変化させ、前記過程を繰り返すことによって製造されることができる。
【００１９】
本願第５発明は、Ｘ軸及びＹ軸フラックスゲート及びメモリを含むフラックスゲート地磁気センサーの方位角測定方法であって、（ａ）前記フラックスゲート地磁気センサーのピッチ角、ロール角、及びヨー角の変化に対応する前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定した後、正規化し所定のデータシート（ｄａｔａ ｓｈｅｅｔ）を作成するステップと、（ｂ）前記データシートを適用し前記ニューラルネットワークをトレーニングさせることによって前記測定されたピッチ角、ロール角、及びヨー角の変化に対応するＸ軸及びＹ軸フラックスゲート電圧値をトレーニングさせてニューラルネットワーク加重値行列を作成するステップと、（ｃ）前記ニューラルネットワーク加重値行列を前記メモリに格納するステップと、（ｄ）前記フラックスゲート地磁気センサーの現Ｘ軸及びＹ軸フラックスゲートの正規化された電圧値を測定してから、前記ニューラルネットワーク加重値行列を用いて方位角を演算するステップと、を含むことを特徴とする方位角測定方法を提供する。
【００２０】
本願第６発明は、第５発明において、前記（ａ）ステップは、（ａ１）前記フラックスゲート地磁気センサーのピッチ角及びロール角を０に固定させ、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定し正規化するステップと、（ａ２）前記Ｘ軸及びＹ軸フラックスゲート電圧値の最大値、最小値、及び伏角を測定し格納するステップと、（ａ３）前記フラックスゲート地磁気センサーのピッチ角及びロール角を所定の角度固定した状態で、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら、前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定するステップと、（ａ４）各ヨー角に対するｃｏｓ関数値及びｓｉｎ関数値を演算して基準値として認識するステップと、（ａ５）前記フラックスゲート地磁気センサーのピッチ角及びロール角のいずれかを所定の角度変化させてから、前記（ａ３）及び（ａ４）ステップを繰り返すステップと、（ａ６）ピッチ角、ロール角、及びヨー角のいずれか１つが変化するたび、測定され正規化された前記Ｘ軸及びＹ軸フラックスゲート電圧値及び前記基準値を格納してデータシートを作成するステップと、を含むことが好ましい。
【００２１】
本願第７発明は、第６発明において、前記正規化は次式（１）及び（２）を用いることを特徴とする方位各測定方法
【００２２】
【数２】
ただし、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角。
【００２３】
本願第８発明は、第５発明において、前記（ｂ）ステップは、（ｂ１）ニューラルネットワークソフトウェアを実行するステップと、（ｂ２）前記データシートの中、Ｘ軸及びＹ軸フラックスゲート出力値を前記ニューラルネットワークの入力値として入力させ、所定の加重値を適用してそれぞれ所定のｃｏｓ関数値及びｓｉｎ関数値を出力するフォワードプロセシング（ｆｏｒｗａｒｄ ｐｒｏｃｅｓｓｉｎｇ）ステップと、（ｂ３）前記ｃｏｓ関数値及びｓｉｎ関数値を前記データシートに記録された対応される基準値と比較してエラー値を求め、前記エラー値が所定の許容誤差範囲を超えれば前記ｃｏｓ関数値及びｓｉｎ関数値が前記基準値に近づけるよう前記加重値を修正するバックワードプロセシング（ｂａｃｋｗａｒｄ ｐｒｏｃｅｓｓｉｎｇ）ステップと、（ｂ４）前記エラー値が所定の許容誤差範囲内に属する時まで前記（ｂ２）及び（ｂ３）ステップを繰り返すステップと、（ｂ５）前記エラー値が前記許容誤差範囲内に属すれば、その時の加重値を格納しニューラルネットワーク加重値行列を作成するステップと、を含むことができる。
【００２４】
本願第９発明は、第５発明において、前記（ｄ）ステップは、（ｄ１）現のＸ軸及びＹ軸フラックスゲートの正規化された電圧値を測定するステップと、（ｄ２）前記Ｘ軸フラックスゲート電圧値を入力値にし、前記メモリに格納されたニューラルネットワーク加重値行列の中で対応される加重値を適用し所定のｃｏｓ関数値を演算するステップと、（ｄ３）前記Ｙ軸フラックスゲート電圧値を入力値にし、前記メモリに格納されたニューラルネットワーク加重値行列の中で対応される位置の加重値を適用し所定のｓｉｎ関数値を演算するステップと、（ｄ４）前記ｃｏｓ関数値及びｓｉｎ関数値を用いて方位角を演算するステップと、を含むことが好ましい。これによって傾斜している環境で測定されたフラックスゲート電圧値を補正することにより正しい方位角を測定することができる。
【００２５】
本願第１０発明は、第９発明において、次式（３）を用いて方位角を演算することを特徴とする測定方法
Ψ= tan-1 (sin_out/cos_out) ・・・（３）
ここで、Ψは方位角、sin_outはsin関数値、cos_outはcos関数値。
【発明の効果】
【００２６】
本発明によると、既存の技術とは異なり、傾斜測定センサーなしにフラックスゲートセンサーだけで斜め状態においての正しい方位角が測定できる。傾斜測定センサーが要らないので、低価格で小型の地磁気センサーが製造できると共に、消費電力をも低減できる。従って、携帯型機器の使用が容易になされる。また、既存の傾斜測定センサーは、位置が変動する動的の状況では地磁気センサー自体の傾斜度を正確に認識することができず、方位角を測定する時にエラー発生が生じたが、本発明によると、傾斜を直接に測定しないため動的な状況でも揺れることなく方位角の情報が得られる。
【発明を実施するための最良の形態】
【００２７】
以下、添付の図面を参照して本発明の好適な実施形態を詳述する。
【００２８】
図２は本発明に係るフラックスゲート地磁気センサーの構成を示したブロック図である。同図によれば、図１の従来フラックスゲート地磁気センサの構成とほぼ類似している。即ち、駆動パルス発生回路２０１、コイル駆動用電流増幅回路２０２、２軸フラックスゲート２０３、チョッピング回路２０４、１次増幅回路２０５、低周波フィルタ２０６、２次増幅回路２０７、Ａ/Ｄコンバーター２０８、制御器２１０、及びメモリ２２０を含む。
【００２９】
制御器２１０、及びメモリ２２０を除いた残りの構成要素は２軸フラックスゲート地磁気センサーの一般的構成要素であって、各部分については前述と同様である。
【００３０】
メモリ２２０は、本地磁気センサーで使用されるニューラルネットワーク加重値行列が格納された部分であり、制御器２１０はフラックスゲート地磁気センサーの各内部構成要素を制御する部分である。
【００３１】
フラックスゲート地磁気センサーのユーザが現在位置を把握するために地磁気センサーをターンオンさせると、駆動パルス発生回路２０１で駆動パルスを出力し、コイル駆動用電流増幅回路２０２がこれを増幅して、２軸フラックスゲート２０２に駆動信号を印加するようになる。これによって２軸フラックスゲート２０２でＸ軸及びＹ軸フラックスゲート電圧値が誘導されれば、チョッピング回路２０４、１次増幅回路２０５、低周波フィルタ２０６、２次増幅回路２０７、及びＡ/Ｄコンバーター２０８を介して所定のデジタル値で出力される。
【００３２】
制御器２１０はメモリ２２０に格納されたニューラルネットワーク加重値行列の中でＸ軸及びＹ軸フラックスゲートから出力されたデジタル電圧値に対応される加重値を用いてニューラルネットワークフォワードプロセスを行なうことによりＸ軸及びＹ軸フラックスゲート電圧値を基準値として補正する。それから、補正された電圧値を用いて現状態の方位角を演算することで現在の方位角を把握することができる。
【００３３】
ニューラルネットワークとは、人の脳の動作に近づけるように製造されたプログラムやデータ構造システムを意味する。従って、人の脳の神経網を構成している生物学的なニューラルの活動をモデル化するために設計された基本的な単位から構成されている。各単位で入力される入力値は所定の結合関数を介して１つの出力値として統合される。本発明では、最も一般的な結合関数である加重値を考慮した合算（ｗｅｉｇｈｔｅｄ ｓｕｍ）方式を用いて出力値を統合し、逆伝播（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）方式を経てから最適の加重値が得られる。係る最適の加重値を記録したのがメモリ２２０に格納された加重値行列である。ニューラルネットワーク及び加重値行列については後で詳説する。
【００３４】
一方、メモリ２２０に格納された加重値行列は、本フラックスゲート地磁気センサー２００の傾斜度を変化させながら測定されたフラックスゲート電圧値を、ニューラルネットワークソフトウェアに適用してトレーニングさせて得られたものであって、開発者が開発過程で演算を行い格納させることが好ましい。
【００３５】
即ち、開発者はフラックスゲート地磁気センサー２００をジグ（ｊｉｇ）上に装着し、ピッチ角、ロール角、及びヨー角を変化させながら様々な状態の出力値を測定し、所定範囲の値で正規化してデータシートを得てから、これをニューラルネットワークの入力値及び出力基準値として活用する。
【００３６】
図３はフラックスゲート地磁気センサー２００のピッチ角及びロール角を変化させる過程を示した図であり、図４は１ないし−１の範囲内で正規化されたＸ軸及びＹ軸フラックスゲートの電圧値を示したグラフである。
【００３７】
図３（ａ）において、フラックスゲート地磁気センサー２００上でピッチ角及びロール角を測定する基準軸となるＸ軸及びＹ軸が図示されている。この中Ｘ軸を基準にして回転する場合Ｘ−Ｙ表面との差異角がロール角となり、Ｙ軸を基準にして回転する場合、Ｘ−Ｙ表面との差異角がピッチ角となる。即ち、Ｘ軸を基準とし地磁気センサー２００を１回転させると、ロール角が０°から３６０°まで変化し、Ｙ軸を基準として１回転させると、ピッチ角が０°から３６０°まで変化する。
【００３８】
一方、図３（ｂ）には、ユーザが任意のピッチ角を設定するためにＹ軸を基準にして回転させた状態の地磁気センサー２００が示されている。
【００３９】
尚、図示されてないが、Ｘ−Ｙ表面に垂直なＺ軸を基準にして１回転させるとヨー角が変化される。ジグ（ｊｉｇ）とは、その上部表面に所定の装置を装着した後、その傾斜度を自在に変更させることのできる測定用装備を指す。
【００４０】
一方、図４はＸ軸及びＹ軸フラックスゲートの実際デジタル電圧値を正規化したグラフである。正規化（ｎｏｒｍａｌｉｚｉｎｇ）とは、ある値を所定範囲の値でマッピングすることを意味する。係る正規化は次式（１）、（２）に基づいてなされる。
【００４１】
【数３】
尚、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角である。Xfmax及びXfmin、Yfmax及びYfminは地磁気センサーの準備過程で、ピッチ角及びロール角を０°に固定させた状態、即ち、水平状態でヨー角を変化させながら測定された最大値及び最小値を意味する。このように正規化されたＸ軸及びＹ軸フラックスゲート出力値はそれぞれｃｏｓ（方位角）、ｓｉｎ（方位角）値を有する。図４は、このようにｃｏｓ（方位角）の関数グラフ３０１で示されるＸ軸フラックスゲート電圧値、及びｓｉｎ（方位角）の関数グラフ３０２で示されるＹ軸フラックスゲート電圧値を示す。
【００４２】
一方、ニューラルネットワークを十分にトレーニングさせるために、開発者はできるだけ大量のデータが必要であるため、地磁気センサー２００が装着されたジグの角度を多様に調整し、その度にＸ軸及びＹ軸フラックスゲート電圧値を測定して記録することで、データシートを作成する。
【００４３】
図５は係るデータシートの一例を示した図表である。同図によると、ピッチ角３０°である状態でロール角を５°ずつ変化させ、各ロールごとに地磁気センサー２００を１回転させて電圧値を測定する。まず、ピッチ角３０°、ロール角−１０°の状態を見てみると、ヨー角（Ψ）を５°間隔に変化させながら地磁気センサー２００を１回転させる。各ヨー角ごとにＸ軸フラックスゲートの出力値及びＹ軸フラックスゲートの出力値を測定して記録し、各ヨー角（Ψ）に対応されるｃｏｓ（Ψ）及びｓｉｎ（Ψ）を演算して記録するようになる。係るｃｏｓ（Ψ）及びｓｉｎ（Ψ）はＸ軸及びＹ軸フラックスゲート電圧値の基準値として定義して活用できる。
【００４４】
図６は係るデータシートによって実際測定されたＸ軸フラックスゲート電圧値５０１及びＹ軸フラックスゲート電圧値６０１と、それぞれのその基準値５０２、６０２を示したグラフである。
【００４５】
図７及び図８は図５のデータシートをニューラルネットワークに適用しニューラルネットワークをトレーニングさせる過程を説明するための概念図である。一方、図９はトレーニングされたニューラルネットワークの加重値行列を用いて、現在のＸ軸及びＹ軸フラックスゲート電圧値を基準値として補正したのを示したグラフである。これらの図面については後述する。
【００４６】
図１０は、本発明のフラックスゲート地磁気センサー２００を用いて方位角を演算する方法を説明するための流れ図である。同図によると、まず、水平状態でフラックスゲートセンサーを回転させながらＸ軸及びＹ軸フラックスゲート電圧値の最大値及び最小値を測定し、正規化して方位角を演算する用意を行なう（Ｓ９１０）。この測定方法及び正規化数式についての詳説は前述した通りであり、その詳説は除く。
【００４７】
次に、フラックスゲートセンサーのピッチ角、ロール角、及びヨー角を順に変化させながら、所定のデータシートを作成する（Ｓ９２０）。係るデータシートに記録されたデータはニューラルネットワークの入力値及び基準値となるため、なるべく大量のデータを記録することが好ましい。図５において係るデータシートの一例が図示されている。図５では、ヨー角を５°ずつ変化させながらＸ軸及びＹ軸フラックスゲート電圧値を測定し、再びロール角を５°変化させてから、Ｘ軸及びＹ軸フラックスゲート電圧値を測定する過程を繰り返す。ピッチ角、ロール角、及びヨー角それぞれについてこのような変化を与えて測定する一方、各ヨー角についてｃｏｓ関数値、ｓｉｎ関数値を求めてデータシートに加える。係る関数値はニューラルネットワークの基準値となる。
【００４８】
次に、このデータシートを用いてニューラルネットワークをトレーニングさせることによって、ニューラルネットワークの加重値行列を作成する（Ｓ９３０）。このニューラルネットワークのトレーニング過程は図７及び図８に示されている。
【００４９】
前述のように、ニューラルネットワークは、ニューロンの活動をモデル化するために設計された基本的な単位からなっており、各単位で入力される入力値は所定の結合関数を介して１つの出力値として統合される。加重値を考慮した合算（ｗｅｉｇｈｔｅｄ ｓｕｍ）方式によると、各単位に対する入力は加重値で乗じられてから、いっきに加えて出力値を演算する。この際、単位は３つの層、即ち、入力端、隠れたノード（ｈｉｄｄｅｎ ｎｏｄｅ）、出力端から構成される。左側の入力層は、外部から所定値が入力される部分である。尚、隠れたノード（ｈｉｄｄｅｎ ｎｏｄｅ ｏｒ ｈｉｄｄｅｎ ｌａｙｅｒ）は、ネットワークの入力や出力に係わっていないので命名されたものであり、隠れたノードの各単位は、入力層の全ての単位に連結されている。ネットワークが標準単位を含んでいるので隠れたノードの単位は各入力の値に加重値を乗じて得られる。それからそれぞれを足して、シグモイド（ｓｉｇｍｏｉｄ）関数に適用することで出力値を演算する。
【００５０】
一方、ニューラルネットワークを用いるためには、データの係わりに関する大量のデータや規則を前もって供給すべきであるが、これをニューラルネットワークを「トレーニング」させるという。ニューラルネットワークをトレーニングさせることは単位の各入力について最も最適の加重値を与えるプロセスと言える。係るプロセスの目的はネットワークの結果、装置が可能である限り、願望する出力値に近づけるようにすることにある。今までこのようなプロセスを行なうために使用された最も一般的な技術は逆過程を行なうことで加重値を補正する逆伝播（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）方式であった。
【００５１】
これは、まずネットワークで加重値を活用し出力値を算出した後、算出された結果と願望した実際の結果との差異を比較してエラーを算出する。エラーが所定の許容範囲を超えた場合、エラーはネットワークを介して逆に伝達され、これによってエラーを最小化するよう加重値を調節する方式である。係る方式で最適の加重値が得られると、これを記録することでニューラルネットワークの加重値行列が作成されるのである。
【００５２】
図７はＸ軸フラックスゲート電圧値をトレーニングさせる過程を説明するための図である。同図で、ｈ_ｃ（ｊ）はｊ番目隠れたノードを意味し、ｘ_ｃ（ｉ）はｉ番目入力端の入力値を意味する。出力端はｃｏｓ関数値で統合される。一方、ｗ_ｃ_ｉｊ（ｉ、ｊ）はｉ番目入力端とｊ番目隠れたノードとの間の加重値を意味し、ｗ_ｃ_ｊｋ（ｊ、ｋ）はｊ番目隠れたノードとｋ番目出力端との間の加重値を意味する。
【００５３】
ｊ番目隠れたノードのノード値は、ｉ）ｘ_ｃ（ｉ）に対応する重量を掛けること、ｉｉ）加重値を乗じた結果値を合算すること、そしてｉｉｉ）シグモイド（ｓｉｇｍｏｉｄ）関数を適用することにより得ることができる。シグモイド（ｓｉｇｍｏｉｄ）関数はｔａｎシグモイド関数を使用するため、 sigmoid() = (exp() = (exp()-1)/(exp()+1)のような関数を用いて隠れたノードを求めることができる。最終出力値ｃｏｓ関数値は、ｉ）隠れたノードのノード値に隠れたノードと出力終了との間の加重値を掛けること、ｉｉ）加重値を乗じたものを合算すること;そしてｉｉｉ）シグモイド（ｓｉｇｍｏｉｄ）関数を適用することにより得ることができる。
一方、図８ではｈ_ｓ（ｊ）はｓｉｎ関数値を求めるためのｊ番目隠れたノードを意味し、ｘ_ｓ（ｉ）はｉ番目入力端の入力値を意味する。出力端はｓｉｎ関数値で統合されるし、ｗ_ｓ_ｉｊ（ｉ、ｊ）はｉ番目入力端及びｊ番目隠れたノードとの間の加重値を意味し、ｗ_ｓ_ｊｋ（ｊ、ｋ）はｊ番目 隠れたノードとｋ番目出力端との間の加重値を意味する。ｓｉｎ関数値を求める方法は、ｃｏｓ関数値を求める方法と類似しているので以下では図７を参照してｃｏｓ関数値を求める方法についてのみ詳説する。
【００５４】
図５のデータシートの中Ｘ軸及びＹ軸それぞれのフラックスゲート電圧値を入力端へ順次入力させて加重値とシグモイド関数を適用し出力を求める過程のことをニューラルネットワークフォワードプロセス（ｆｏｒｗａｒｄ ｐｒｏｃｅｓｓ）という。係る過程から得た出力値は図５のデータシートのうち基準値と比較されるようになる。比較の結果、基準値と出力値との差が所定の許容誤差範囲を超えた場合、再び加重値の修正を行なうバックワードプロセス（ｂａｃｋｗａｒｄ ｐｒｏｃｅｓｓ）過程を行なう。
【００５５】
以上、フォワード過程とバックワード過程を交互に行なって予め測定された入力値と出力値を用いた演算を繰り返すことによりニューラルネットワークのトレーニングが行なわれる。予め設定された許容誤差範囲内に属するまでニューラルネットワークのトレーニングは続き、完了されれば得られた加重値を順次記録して加重値行列を格納する。従って、この際の加重値は、フラックスゲートから得られたＸ軸及びＹ軸フラックスゲート電圧値から理想的なｃｏｓ関数値とｓｉｎ関数値で補正できる最適の加重値となる。
【００５６】
図９はこのようにトレーニングされた状態を用いて実際信号処理される結果グラフを示している。図面につき、７１０グラフは実際に測定されたＸ軸フラックスゲート電圧値をニューラルネットワークを用いて理想値に近づけるよう補償した値を示しており、７２０グラフは理想的なｃｏｓ関数値、即ち基準値を示す。一方、８１０のグラフは、実際に測定されたＹ軸フラックスゲート電圧値をニューラルネットワークを用いて理想値に近くなるよう補償を行なった値を示しており、８２０のグラフは理想的なｓｉｎ関数値、即ち、基準値を示している。
【００５７】
再び図１０を参照して詳説すると、このようにトレーニングされて得られた加重値行列は開発者のＰＣでフラックスゲート地磁気センサー２００自体のメモリ２２０に格納される（Ｓ９４０）。ニューラルネットワークをトレーニングする過程は比較的に複雑な演算過程であるため、地磁気センサー２００自体の制御器２１０で直接行なうには無理がある。よって、加重値行列を別に製造することができる。
【００５８】
係る状態で、現位置が知りたいのであれば、ユーザは地磁気センサー２００をターンオンさせ、現のＸ軸及びＹ軸フラックスゲート電圧値を測定する（Ｓ９５０）。制御器２１０は測定されたＸ軸及びＹ軸フラックスゲート電圧値に対応する加重値をメモリ２２０から読み取って前述したニューラルネットワークのフォワードプロセスを行なう（Ｓ９６０）。これによって理想的なｃｏｓ関数値及びｓｉｎ関数値（即ち、ｃｏｓΨ及びｓｉｎΨ）で補正できる。得られたｃｏｓΨ及びｓｉｎΨを次式（４）に代入して方位角を演算する（Ｓ９７０）。
【００５９】
【数４】
Ψは方位角、ｃｏｓΨ及びｓｉｎΨは補正されたＸ軸及びＹ軸フラックスゲートの出力値を意味する。
【００６０】
一方、図１０には係る地磁気センサーの製造者によりなされるステップ（Ｓ９１０ないしＳ９４０）が図示されている。ユーザはこのような加重値行列がメモリに格納された地磁気センサー２００を購買し、その次のステップ（Ｓ９５０ないしＳ９７０）を行なうことによって、ユーザの現位置を測定する。即ち、ユーザが地磁気センサー２００をターンオンさせて現在の２軸フラックスゲート電圧値を測定すると、測定された電圧値を格納された加重値行列に補正することにより正確な方位角が得られるのである。
【００６１】
これにより地磁気センサー２００自体が斜めになっている環境においても、理想的な出力値で補正し正しい方位角値が得られることができる。
【００６２】
以上、図面を参照して本発明の好適な実施形態を図示および説明してきたが本発明の保護範囲は、前述の実施形態に限定するものではなく、特許請求の範囲に記載された発明とその均等物にまで及ぶものである。
【産業上の利用可能性】
【００６３】
本発明は２軸フラックスゲート地磁気センサーに関し、相対的に低価格で、小型の地磁気センサーが製造でき、且つ消費電力も低減させ得る。よって、携帯型機器に使用されることができる。
【図面の簡単な説明】
【００６４】
【図１】傾斜検知装置を備えた従来のフラックスゲート地磁気センサーの構成を示したブロック図である。
【図２】本発明に係るフラックスゲート地磁気センサーの構成を示したブロック図である。
【図３Ａ】本フラックスゲート地磁気センサーでピッチ角及びロール角測定のためのＸ軸及びＹ軸を示した模式図である。
【図３Ｂ】本フラックスゲート地磁気センサーで方位角測定のために斜め状態を示した図である。
【図４】本フラックスゲート地磁気センサーで正規化（ｎｏｒｍａｌｉｚｉｎｇ）されたＸ軸及びＹ軸フラックスゲート電圧値のグラフである。
【図５】本地磁気センサーの傾斜度を変化させながら測定したデータを記録したデータシート（ｄａｔａ ｓｈｅｅｔ）である。
【図６】図５に示したデータシートをグラフで示した図である。
【図７】Ｘ軸フラックスゲート電圧値についてニューラルネットワークをトレーニングさせる過程を説明するための図である。
【図８】Ｙ軸フラックスゲート電圧値についてニューラルネットワークをトレーニングさせる過程を説明するための図である。
【図９】ニューラルネットワーク加重値行列を用いて実際のＸ軸及びＹ軸フラックスゲート電圧値を基準値にして補正を行なうことを示した図である。
【図１０】本フラックスゲート地磁気センサーで方位角を測定する方法を説明するための流れ図である。
【符号の説明】
【００６５】
１０１、２０１ 駆動パルス発生回路
１０２、２０２ コイル駆動用電流増幅回路
１０３、２０３ ２軸フラックスゲート
１０４、２０４ チョッピング（ｃｈｏｐｐｉｎｇ）回路
１０５、２０５ １次増幅回路
１０６、２０６ 低周波フィルタ
１０７、２０７ ２次増幅回路
１０８、２０８ Ａ/Ｄコンバーター（Ｃｏｎｖｅｒｔｅｒ）
１１０、２１０ 制御器
１２０ 傾斜検知装置
１３０、２２０ メモリ
２００ フラックスゲート地磁気センサー
【技術分野】
【０００１】
本発明は、方位角（ａｚｉｍｕｔｈ）を測定するフラックスゲート（ｆｌｕｘ−ｇａｔｅ）センサー装置及び方位角測定方法に関し、詳細には、傾斜している環境でもニューラルネットワーク（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を用いて補正された方位角値を得ることのできるフラックスゲートセンサー装置及びその方位角測定方法に関する。
【背景技術】
【０００２】
地磁気センサーとは、人が感じられない地球磁気の強さ及び方法を測定する装置のことを意味する。特に、フラックスゲートを用いた地磁気センサーのことをフラックスゲートセンサーと呼ぶ。係る地磁気センサーは、観測地点の地磁気を測定することによってその地点の方位が分かるので、車のナビゲーション（ｎａｖｉｇａｔｉｏｎ）装置、携帯電話、携帯用端末装置などに表示されている地図情報を提供する、多様な用途で使用できる。
【０００３】
一方、フラックスゲートセンサーは、パーマロイ（ｐｅｒｍａｌｌｏｙ）のような材料を磁心として使用し駆動コイルにより励起磁場を加え、その磁心の磁気飽和及び非線形磁気特性を用いて外部磁場に比例する２次高調波成分を測定することにより、外部磁場のサイズ及び方向が測定できる。
【０００４】
係るフラックスゲートセンサーは１９３０年代の末に開発されたもので、他の形態の地磁気センサーと比較すると、感度がよく、経済的であり、相対的に小型で製造できる長所を持つ。また、電力消耗が少なく、出力信号の安定度（ｌｏｎｇ−ｔｅｒｍ ｓｔａｂｉｌｉｔｙ）をも優れているため、微弱磁界の検出、地球の絶対方向計測と共に鉱脈探査、標的探知、そして人工衛星の姿勢制御及び宇宙探査用に至る民需用及び軍事用まで幅広く使用されており、現在も性能効能のための研究がなされている。
【０００５】
特に、最近ではＭＥＭＳ（Micro Electro Mechanical System）技術が目覚しく発展することにより、これを用いた低消費電力型の超小型フラックスゲートセンサーの開発も進んでおり、携帯用電話機や端末装置に適用することが有利になっている。しかし、係る携帯機器に適用するためには単に小型化のみならず、移動が容易な携帯機器の特性を考えて常に安定的な方位測定を可能にする課題が残っている。即ち、ユーザが携帯機器を握っている姿勢やその方法により携帯機器は一定の方向に向わず、全ての方向に向うことになる。つまり、携帯機器に搭載されている地磁気センサーは水平位置について全ての傾斜角を有するよう斜めになれるし、その傾斜角も常に変動される。従って、このような使用環境においては地磁気センサーの傾斜による影響をリアルタイムで排除し、その検出信号を自動に補正する技術が求められている。
【０００６】
図１は、従来のフラックスゲートセンサーの構成を示したブロック図である。同図を参照すると、従来のフラックスゲートセンサー１００は、駆動パルス発生回路１０１、コイル駆動用電流増幅回路１０２、２軸フラックスゲート１０３、チョッピング（chopping）回路１０４、１次増幅回路１０５、低周波フィルタ１０６、２次増幅回路１０７、Ａ/Ｄコンバーター１０８、制御器１１０、傾斜検知装置１２０、及びメモリ１３０を含む。
【０００７】
駆動パルス発生回路１０１では、２軸フラックスゲートを駆動させ得る駆動パルスを生成した後、これを選択的にスイッチングしてコイル駆動用電流増幅回路１０２に印加する役割をする。コイル駆動用電流増幅回路１０２は多数個の増幅器及び反転器を用いて駆動パルス発生回路１０１を介して出力されたパルスについて位相が相互反対であるパルス信号及び反転パルス信号を出力する。
【０００８】
２軸フラックスゲート１０３は、互いに直交しているＸ軸及びＹ軸フラックスゲートを含み、Ｘ軸及びＹ軸フラックスゲートにそれぞれ伝達されたパルス信号及び反転パルス信号により駆動され、その駆動によって生じた起電力に対応される検出信号を出力する。図面にて、Ｘ軸及びＹ軸フラックスゲート１０３は四角リング状の２つの磁性体コアがそれぞれＸ軸及びＹ軸の２方向に長手方向を有するよう設けられており、磁性体コアそれぞれには駆動コイル及び検出コイルが捲線されている。駆動コイルに駆動パルスが印加されれば、Ｘ軸及びＹ軸フラックスゲートに磁気が発生し、これによる誘導気電力を、検出コイルを介して検出できるようにする。
【０００９】
２軸フラックスゲート１０３から検出された電気的な信号はチョッピング回路１０４で内蔵された多数個のスイッチを制御しチョッピングさせる。チョッピングされた電気的な信号は1次増幅回路１０５にて差動増幅されたあと、低周波フィルタ１０６を介して一定範囲の信号のみをフィルタリングし、２次増幅回路１０７で最終的に増幅される。増幅された信号はＡ/Ｄコンバーター１０８においてデジタル電圧値に変換し出力される。
【００１０】
一方、傾斜検知装置１２０は、３次元空間をＸ、Ｙ、Ｚ軸を用いて表す場合、ｘｙ表面にてＸ軸方向に設けられたＸ軸加速度センサーと、Ｙ軸方向に設けられたＹ軸加速度センサーとを含む２軸加速度センサーで具現され、地球重力方向へと斜めになるとき得られる信号を用いて斜め姿勢のピッチ角及びロール角を計算する。即ち、一定の質量を有する錘を用いて重力による錘の動きを角度計、目盛り、または指示針を介して視覚的に、且つ電気回路的に検査することによって、ピッチ角及びロール角を測定できる。傾斜検知装置１２０にて測定されたピッチ角及びロール角はメモリ１３０に格納される。
【００１１】
一方、制御器１１０は、２軸フラックスゲート１０３で測定された誘導起電力が所定の処理を行なってデジタル値に入力されれば、メモリ１３０に格納されたピッチ角、ロール角、及び現状態の伏角と入力されたデジタル値などを所定の演算式に代入し地磁気センサー２００の方位角が演算される。
【発明の開示】
【発明が解決しようとする課題】
【００１２】
しかし、係る従来の方法によると、傾斜検知装置１２０は重力加速度を用いてピッチ角及びロール角を測定するので、現位置状態が素早く変化されれば、ピッチ角及びロール角の測定においてエラーが生じる恐れがある。携帯機器のように早く動いている装置に使用するにはその困難さがある。さらに、傾斜検知装置１２０をさらに備えなければならないので、そのサイズ及び製造コストが増加してしまい、消費電力も増大になる恐れもある。従って、現在の各企業の主な関心分野である携帯型機器にて適用するには限界がある。
【００１３】
本発明は前述した問題点を解決するために案出されたもので、本発明の目的は傾斜している環境においても正しい方位角が測定できるフラックスゲート地磁気センサー及びその方位角測定方法を提供することにある。
【課題を解決するための手段】
【００１４】
前述した目的を達成するために、本願第１発明は、相互直交するＸ軸及びＹ軸フラックスゲートを備え、地磁気に対応する前記Ｘ軸及びＹ軸フラックスゲートそれぞれの電圧値を出力する２軸フラックスゲートと、前記Ｘ軸及びＹ軸フラックスゲート電圧値それぞれに対応する予め測定された傾斜環境におけるＸ軸及びＹ軸フラックスゲート電圧値をトレーニングし作成されたニューラルネットワーク加重直行列（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｗｅｉｇｈｔ ｍａｔｒｉｘ）が格納されたメモリと、前記Ｘ軸及びＹ軸フラックスゲート電圧値が測定されれば、前記メモリに格納されたニューラルネットワーク加重値行列値を用いて前記電圧値を補正し、補正された電圧値を用いて方位角を演算する制御部と、を含むことを特徴とするフラックスゲート地磁気センサーを提供する。
【００１５】
本願第２発明は、第１発明において、前記Ｘ軸及びＹ軸フラックスゲート電圧値は、制御部で次式（１）、（２）を用いて所定範囲の値にマッピングさせた正規化値であることを特徴とするフラックスゲート地磁気センサー
【００１６】
【数１】
ただし、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角。
【００１７】
本願第３発明は、第１発明において、前記ニューラルネットワーク加重値行列値は、前記フラックスゲート地磁気センサーのピッチ角、ロール角、及びヨー角の変化に対応される前記Ｘ軸及びＹ軸フラックスゲート電圧値を記録した所定のデータシートをニューラルネットワークソフトウェアに適用して、前記ニューラルネットワークをトレーニングさせることにより演算される。
【００１８】
本願第４発明は、第３発明において、前記データシートは、前記フラックスゲート地磁気センサーのピッチ角及びロール角が所定の角度固定された状態で、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定し格納する過程を経てから、前記ピッチ角及びロール角のいずれかを所定の角度変化させ、前記過程を繰り返すことによって製造されることができる。
【００１９】
本願第５発明は、Ｘ軸及びＹ軸フラックスゲート及びメモリを含むフラックスゲート地磁気センサーの方位角測定方法であって、（ａ）前記フラックスゲート地磁気センサーのピッチ角、ロール角、及びヨー角の変化に対応する前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定した後、正規化し所定のデータシート（ｄａｔａ ｓｈｅｅｔ）を作成するステップと、（ｂ）前記データシートを適用し前記ニューラルネットワークをトレーニングさせることによって前記測定されたピッチ角、ロール角、及びヨー角の変化に対応するＸ軸及びＹ軸フラックスゲート電圧値をトレーニングさせてニューラルネットワーク加重値行列を作成するステップと、（ｃ）前記ニューラルネットワーク加重値行列を前記メモリに格納するステップと、（ｄ）前記フラックスゲート地磁気センサーの現Ｘ軸及びＹ軸フラックスゲートの正規化された電圧値を測定してから、前記ニューラルネットワーク加重値行列を用いて方位角を演算するステップと、を含むことを特徴とする方位角測定方法を提供する。
【００２０】
本願第６発明は、第５発明において、前記（ａ）ステップは、（ａ１）前記フラックスゲート地磁気センサーのピッチ角及びロール角を０に固定させ、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定し正規化するステップと、（ａ２）前記Ｘ軸及びＹ軸フラックスゲート電圧値の最大値、最小値、及び伏角を測定し格納するステップと、（ａ３）前記フラックスゲート地磁気センサーのピッチ角及びロール角を所定の角度固定した状態で、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら、前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定するステップと、（ａ４）各ヨー角に対するｃｏｓ関数値及びｓｉｎ関数値を演算して基準値として認識するステップと、（ａ５）前記フラックスゲート地磁気センサーのピッチ角及びロール角のいずれかを所定の角度変化させてから、前記（ａ３）及び（ａ４）ステップを繰り返すステップと、（ａ６）ピッチ角、ロール角、及びヨー角のいずれか１つが変化するたび、測定され正規化された前記Ｘ軸及びＹ軸フラックスゲート電圧値及び前記基準値を格納してデータシートを作成するステップと、を含むことが好ましい。
【００２１】
本願第７発明は、第６発明において、前記正規化は次式（１）及び（２）を用いることを特徴とする方位各測定方法
【００２２】
【数２】
ただし、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角。
【００２３】
本願第８発明は、第５発明において、前記（ｂ）ステップは、（ｂ１）ニューラルネットワークソフトウェアを実行するステップと、（ｂ２）前記データシートの中、Ｘ軸及びＹ軸フラックスゲート出力値を前記ニューラルネットワークの入力値として入力させ、所定の加重値を適用してそれぞれ所定のｃｏｓ関数値及びｓｉｎ関数値を出力するフォワードプロセシング（ｆｏｒｗａｒｄ ｐｒｏｃｅｓｓｉｎｇ）ステップと、（ｂ３）前記ｃｏｓ関数値及びｓｉｎ関数値を前記データシートに記録された対応される基準値と比較してエラー値を求め、前記エラー値が所定の許容誤差範囲を超えれば前記ｃｏｓ関数値及びｓｉｎ関数値が前記基準値に近づけるよう前記加重値を修正するバックワードプロセシング（ｂａｃｋｗａｒｄ ｐｒｏｃｅｓｓｉｎｇ）ステップと、（ｂ４）前記エラー値が所定の許容誤差範囲内に属する時まで前記（ｂ２）及び（ｂ３）ステップを繰り返すステップと、（ｂ５）前記エラー値が前記許容誤差範囲内に属すれば、その時の加重値を格納しニューラルネットワーク加重値行列を作成するステップと、を含むことができる。
【００２４】
本願第９発明は、第５発明において、前記（ｄ）ステップは、（ｄ１）現のＸ軸及びＹ軸フラックスゲートの正規化された電圧値を測定するステップと、（ｄ２）前記Ｘ軸フラックスゲート電圧値を入力値にし、前記メモリに格納されたニューラルネットワーク加重値行列の中で対応される加重値を適用し所定のｃｏｓ関数値を演算するステップと、（ｄ３）前記Ｙ軸フラックスゲート電圧値を入力値にし、前記メモリに格納されたニューラルネットワーク加重値行列の中で対応される位置の加重値を適用し所定のｓｉｎ関数値を演算するステップと、（ｄ４）前記ｃｏｓ関数値及びｓｉｎ関数値を用いて方位角を演算するステップと、を含むことが好ましい。これによって傾斜している環境で測定されたフラックスゲート電圧値を補正することにより正しい方位角を測定することができる。
【００２５】
本願第１０発明は、第９発明において、次式（３）を用いて方位角を演算することを特徴とする測定方法
Ψ= tan-1 (sin_out/cos_out) ・・・（３）
ここで、Ψは方位角、sin_outはsin関数値、cos_outはcos関数値。
【発明の効果】
【００２６】
本発明によると、既存の技術とは異なり、傾斜測定センサーなしにフラックスゲートセンサーだけで斜め状態においての正しい方位角が測定できる。傾斜測定センサーが要らないので、低価格で小型の地磁気センサーが製造できると共に、消費電力をも低減できる。従って、携帯型機器の使用が容易になされる。また、既存の傾斜測定センサーは、位置が変動する動的の状況では地磁気センサー自体の傾斜度を正確に認識することができず、方位角を測定する時にエラー発生が生じたが、本発明によると、傾斜を直接に測定しないため動的な状況でも揺れることなく方位角の情報が得られる。
【発明を実施するための最良の形態】
【００２７】
以下、添付の図面を参照して本発明の好適な実施形態を詳述する。
【００２８】
図２は本発明に係るフラックスゲート地磁気センサーの構成を示したブロック図である。同図によれば、図１の従来フラックスゲート地磁気センサの構成とほぼ類似している。即ち、駆動パルス発生回路２０１、コイル駆動用電流増幅回路２０２、２軸フラックスゲート２０３、チョッピング回路２０４、１次増幅回路２０５、低周波フィルタ２０６、２次増幅回路２０７、Ａ/Ｄコンバーター２０８、制御器２１０、及びメモリ２２０を含む。
【００２９】
制御器２１０、及びメモリ２２０を除いた残りの構成要素は２軸フラックスゲート地磁気センサーの一般的構成要素であって、各部分については前述と同様である。
【００３０】
メモリ２２０は、本地磁気センサーで使用されるニューラルネットワーク加重値行列が格納された部分であり、制御器２１０はフラックスゲート地磁気センサーの各内部構成要素を制御する部分である。
【００３１】
フラックスゲート地磁気センサーのユーザが現在位置を把握するために地磁気センサーをターンオンさせると、駆動パルス発生回路２０１で駆動パルスを出力し、コイル駆動用電流増幅回路２０２がこれを増幅して、２軸フラックスゲート２０２に駆動信号を印加するようになる。これによって２軸フラックスゲート２０２でＸ軸及びＹ軸フラックスゲート電圧値が誘導されれば、チョッピング回路２０４、１次増幅回路２０５、低周波フィルタ２０６、２次増幅回路２０７、及びＡ/Ｄコンバーター２０８を介して所定のデジタル値で出力される。
【００３２】
制御器２１０はメモリ２２０に格納されたニューラルネットワーク加重値行列の中でＸ軸及びＹ軸フラックスゲートから出力されたデジタル電圧値に対応される加重値を用いてニューラルネットワークフォワードプロセスを行なうことによりＸ軸及びＹ軸フラックスゲート電圧値を基準値として補正する。それから、補正された電圧値を用いて現状態の方位角を演算することで現在の方位角を把握することができる。
【００３３】
ニューラルネットワークとは、人の脳の動作に近づけるように製造されたプログラムやデータ構造システムを意味する。従って、人の脳の神経網を構成している生物学的なニューラルの活動をモデル化するために設計された基本的な単位から構成されている。各単位で入力される入力値は所定の結合関数を介して１つの出力値として統合される。本発明では、最も一般的な結合関数である加重値を考慮した合算（ｗｅｉｇｈｔｅｄ ｓｕｍ）方式を用いて出力値を統合し、逆伝播（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）方式を経てから最適の加重値が得られる。係る最適の加重値を記録したのがメモリ２２０に格納された加重値行列である。ニューラルネットワーク及び加重値行列については後で詳説する。
【００３４】
一方、メモリ２２０に格納された加重値行列は、本フラックスゲート地磁気センサー２００の傾斜度を変化させながら測定されたフラックスゲート電圧値を、ニューラルネットワークソフトウェアに適用してトレーニングさせて得られたものであって、開発者が開発過程で演算を行い格納させることが好ましい。
【００３５】
即ち、開発者はフラックスゲート地磁気センサー２００をジグ（ｊｉｇ）上に装着し、ピッチ角、ロール角、及びヨー角を変化させながら様々な状態の出力値を測定し、所定範囲の値で正規化してデータシートを得てから、これをニューラルネットワークの入力値及び出力基準値として活用する。
【００３６】
図３はフラックスゲート地磁気センサー２００のピッチ角及びロール角を変化させる過程を示した図であり、図４は１ないし−１の範囲内で正規化されたＸ軸及びＹ軸フラックスゲートの電圧値を示したグラフである。
【００３７】
図３（ａ）において、フラックスゲート地磁気センサー２００上でピッチ角及びロール角を測定する基準軸となるＸ軸及びＹ軸が図示されている。この中Ｘ軸を基準にして回転する場合Ｘ−Ｙ表面との差異角がロール角となり、Ｙ軸を基準にして回転する場合、Ｘ−Ｙ表面との差異角がピッチ角となる。即ち、Ｘ軸を基準とし地磁気センサー２００を１回転させると、ロール角が０°から３６０°まで変化し、Ｙ軸を基準として１回転させると、ピッチ角が０°から３６０°まで変化する。
【００３８】
一方、図３（ｂ）には、ユーザが任意のピッチ角を設定するためにＹ軸を基準にして回転させた状態の地磁気センサー２００が示されている。
【００３９】
尚、図示されてないが、Ｘ−Ｙ表面に垂直なＺ軸を基準にして１回転させるとヨー角が変化される。ジグ（ｊｉｇ）とは、その上部表面に所定の装置を装着した後、その傾斜度を自在に変更させることのできる測定用装備を指す。
【００４０】
一方、図４はＸ軸及びＹ軸フラックスゲートの実際デジタル電圧値を正規化したグラフである。正規化（ｎｏｒｍａｌｉｚｉｎｇ）とは、ある値を所定範囲の値でマッピングすることを意味する。係る正規化は次式（１）、（２）に基づいてなされる。
【００４１】
【数３】
尚、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角である。Xfmax及びXfmin、Yfmax及びYfminは地磁気センサーの準備過程で、ピッチ角及びロール角を０°に固定させた状態、即ち、水平状態でヨー角を変化させながら測定された最大値及び最小値を意味する。このように正規化されたＸ軸及びＹ軸フラックスゲート出力値はそれぞれｃｏｓ（方位角）、ｓｉｎ（方位角）値を有する。図４は、このようにｃｏｓ（方位角）の関数グラフ３０１で示されるＸ軸フラックスゲート電圧値、及びｓｉｎ（方位角）の関数グラフ３０２で示されるＹ軸フラックスゲート電圧値を示す。
【００４２】
一方、ニューラルネットワークを十分にトレーニングさせるために、開発者はできるだけ大量のデータが必要であるため、地磁気センサー２００が装着されたジグの角度を多様に調整し、その度にＸ軸及びＹ軸フラックスゲート電圧値を測定して記録することで、データシートを作成する。
【００４３】
図５は係るデータシートの一例を示した図表である。同図によると、ピッチ角３０°である状態でロール角を５°ずつ変化させ、各ロールごとに地磁気センサー２００を１回転させて電圧値を測定する。まず、ピッチ角３０°、ロール角−１０°の状態を見てみると、ヨー角（Ψ）を５°間隔に変化させながら地磁気センサー２００を１回転させる。各ヨー角ごとにＸ軸フラックスゲートの出力値及びＹ軸フラックスゲートの出力値を測定して記録し、各ヨー角（Ψ）に対応されるｃｏｓ（Ψ）及びｓｉｎ（Ψ）を演算して記録するようになる。係るｃｏｓ（Ψ）及びｓｉｎ（Ψ）はＸ軸及びＹ軸フラックスゲート電圧値の基準値として定義して活用できる。
【００４４】
図６は係るデータシートによって実際測定されたＸ軸フラックスゲート電圧値５０１及びＹ軸フラックスゲート電圧値６０１と、それぞれのその基準値５０２、６０２を示したグラフである。
【００４５】
図７及び図８は図５のデータシートをニューラルネットワークに適用しニューラルネットワークをトレーニングさせる過程を説明するための概念図である。一方、図９はトレーニングされたニューラルネットワークの加重値行列を用いて、現在のＸ軸及びＹ軸フラックスゲート電圧値を基準値として補正したのを示したグラフである。これらの図面については後述する。
【００４６】
図１０は、本発明のフラックスゲート地磁気センサー２００を用いて方位角を演算する方法を説明するための流れ図である。同図によると、まず、水平状態でフラックスゲートセンサーを回転させながらＸ軸及びＹ軸フラックスゲート電圧値の最大値及び最小値を測定し、正規化して方位角を演算する用意を行なう（Ｓ９１０）。この測定方法及び正規化数式についての詳説は前述した通りであり、その詳説は除く。
【００４７】
次に、フラックスゲートセンサーのピッチ角、ロール角、及びヨー角を順に変化させながら、所定のデータシートを作成する（Ｓ９２０）。係るデータシートに記録されたデータはニューラルネットワークの入力値及び基準値となるため、なるべく大量のデータを記録することが好ましい。図５において係るデータシートの一例が図示されている。図５では、ヨー角を５°ずつ変化させながらＸ軸及びＹ軸フラックスゲート電圧値を測定し、再びロール角を５°変化させてから、Ｘ軸及びＹ軸フラックスゲート電圧値を測定する過程を繰り返す。ピッチ角、ロール角、及びヨー角それぞれについてこのような変化を与えて測定する一方、各ヨー角についてｃｏｓ関数値、ｓｉｎ関数値を求めてデータシートに加える。係る関数値はニューラルネットワークの基準値となる。
【００４８】
次に、このデータシートを用いてニューラルネットワークをトレーニングさせることによって、ニューラルネットワークの加重値行列を作成する（Ｓ９３０）。このニューラルネットワークのトレーニング過程は図７及び図８に示されている。
【００４９】
前述のように、ニューラルネットワークは、ニューロンの活動をモデル化するために設計された基本的な単位からなっており、各単位で入力される入力値は所定の結合関数を介して１つの出力値として統合される。加重値を考慮した合算（ｗｅｉｇｈｔｅｄ ｓｕｍ）方式によると、各単位に対する入力は加重値で乗じられてから、いっきに加えて出力値を演算する。この際、単位は３つの層、即ち、入力端、隠れたノード（ｈｉｄｄｅｎ ｎｏｄｅ）、出力端から構成される。左側の入力層は、外部から所定値が入力される部分である。尚、隠れたノード（ｈｉｄｄｅｎ ｎｏｄｅ ｏｒ ｈｉｄｄｅｎ ｌａｙｅｒ）は、ネットワークの入力や出力に係わっていないので命名されたものであり、隠れたノードの各単位は、入力層の全ての単位に連結されている。ネットワークが標準単位を含んでいるので隠れたノードの単位は各入力の値に加重値を乗じて得られる。それからそれぞれを足して、シグモイド（ｓｉｇｍｏｉｄ）関数に適用することで出力値を演算する。
【００５０】
一方、ニューラルネットワークを用いるためには、データの係わりに関する大量のデータや規則を前もって供給すべきであるが、これをニューラルネットワークを「トレーニング」させるという。ニューラルネットワークをトレーニングさせることは単位の各入力について最も最適の加重値を与えるプロセスと言える。係るプロセスの目的はネットワークの結果、装置が可能である限り、願望する出力値に近づけるようにすることにある。今までこのようなプロセスを行なうために使用された最も一般的な技術は逆過程を行なうことで加重値を補正する逆伝播（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）方式であった。
【００５１】
これは、まずネットワークで加重値を活用し出力値を算出した後、算出された結果と願望した実際の結果との差異を比較してエラーを算出する。エラーが所定の許容範囲を超えた場合、エラーはネットワークを介して逆に伝達され、これによってエラーを最小化するよう加重値を調節する方式である。係る方式で最適の加重値が得られると、これを記録することでニューラルネットワークの加重値行列が作成されるのである。
【００５２】
図７はＸ軸フラックスゲート電圧値をトレーニングさせる過程を説明するための図である。同図で、ｈ_ｃ（ｊ）はｊ番目隠れたノードを意味し、ｘ_ｃ（ｉ）はｉ番目入力端の入力値を意味する。出力端はｃｏｓ関数値で統合される。一方、ｗ_ｃ_ｉｊ（ｉ、ｊ）はｉ番目入力端とｊ番目隠れたノードとの間の加重値を意味し、ｗ_ｃ_ｊｋ（ｊ、ｋ）はｊ番目隠れたノードとｋ番目出力端との間の加重値を意味する。
【００５３】
ｊ番目隠れたノードのノード値は、ｉ）ｘ_ｃ（ｉ）に対応する重量を掛けること、ｉｉ）加重値を乗じた結果値を合算すること、そしてｉｉｉ）シグモイド（ｓｉｇｍｏｉｄ）関数を適用することにより得ることができる。シグモイド（ｓｉｇｍｏｉｄ）関数はｔａｎシグモイド関数を使用するため、 sigmoid() = (exp() = (exp()-1)/(exp()+1)のような関数を用いて隠れたノードを求めることができる。最終出力値ｃｏｓ関数値は、ｉ）隠れたノードのノード値に隠れたノードと出力終了との間の加重値を掛けること、ｉｉ）加重値を乗じたものを合算すること;そしてｉｉｉ）シグモイド（ｓｉｇｍｏｉｄ）関数を適用することにより得ることができる。
一方、図８ではｈ_ｓ（ｊ）はｓｉｎ関数値を求めるためのｊ番目隠れたノードを意味し、ｘ_ｓ（ｉ）はｉ番目入力端の入力値を意味する。出力端はｓｉｎ関数値で統合されるし、ｗ_ｓ_ｉｊ（ｉ、ｊ）はｉ番目入力端及びｊ番目隠れたノードとの間の加重値を意味し、ｗ_ｓ_ｊｋ（ｊ、ｋ）はｊ番目 隠れたノードとｋ番目出力端との間の加重値を意味する。ｓｉｎ関数値を求める方法は、ｃｏｓ関数値を求める方法と類似しているので以下では図７を参照してｃｏｓ関数値を求める方法についてのみ詳説する。
【００５４】
図５のデータシートの中Ｘ軸及びＹ軸それぞれのフラックスゲート電圧値を入力端へ順次入力させて加重値とシグモイド関数を適用し出力を求める過程のことをニューラルネットワークフォワードプロセス（ｆｏｒｗａｒｄ ｐｒｏｃｅｓｓ）という。係る過程から得た出力値は図５のデータシートのうち基準値と比較されるようになる。比較の結果、基準値と出力値との差が所定の許容誤差範囲を超えた場合、再び加重値の修正を行なうバックワードプロセス（ｂａｃｋｗａｒｄ ｐｒｏｃｅｓｓ）過程を行なう。
【００５５】
以上、フォワード過程とバックワード過程を交互に行なって予め測定された入力値と出力値を用いた演算を繰り返すことによりニューラルネットワークのトレーニングが行なわれる。予め設定された許容誤差範囲内に属するまでニューラルネットワークのトレーニングは続き、完了されれば得られた加重値を順次記録して加重値行列を格納する。従って、この際の加重値は、フラックスゲートから得られたＸ軸及びＹ軸フラックスゲート電圧値から理想的なｃｏｓ関数値とｓｉｎ関数値で補正できる最適の加重値となる。
【００５６】
図９はこのようにトレーニングされた状態を用いて実際信号処理される結果グラフを示している。図面につき、７１０グラフは実際に測定されたＸ軸フラックスゲート電圧値をニューラルネットワークを用いて理想値に近づけるよう補償した値を示しており、７２０グラフは理想的なｃｏｓ関数値、即ち基準値を示す。一方、８１０のグラフは、実際に測定されたＹ軸フラックスゲート電圧値をニューラルネットワークを用いて理想値に近くなるよう補償を行なった値を示しており、８２０のグラフは理想的なｓｉｎ関数値、即ち、基準値を示している。
【００５７】
再び図１０を参照して詳説すると、このようにトレーニングされて得られた加重値行列は開発者のＰＣでフラックスゲート地磁気センサー２００自体のメモリ２２０に格納される（Ｓ９４０）。ニューラルネットワークをトレーニングする過程は比較的に複雑な演算過程であるため、地磁気センサー２００自体の制御器２１０で直接行なうには無理がある。よって、加重値行列を別に製造することができる。
【００５８】
係る状態で、現位置が知りたいのであれば、ユーザは地磁気センサー２００をターンオンさせ、現のＸ軸及びＹ軸フラックスゲート電圧値を測定する（Ｓ９５０）。制御器２１０は測定されたＸ軸及びＹ軸フラックスゲート電圧値に対応する加重値をメモリ２２０から読み取って前述したニューラルネットワークのフォワードプロセスを行なう（Ｓ９６０）。これによって理想的なｃｏｓ関数値及びｓｉｎ関数値（即ち、ｃｏｓΨ及びｓｉｎΨ）で補正できる。得られたｃｏｓΨ及びｓｉｎΨを次式（４）に代入して方位角を演算する（Ｓ９７０）。
【００５９】
【数４】
Ψは方位角、ｃｏｓΨ及びｓｉｎΨは補正されたＸ軸及びＹ軸フラックスゲートの出力値を意味する。
【００６０】
一方、図１０には係る地磁気センサーの製造者によりなされるステップ（Ｓ９１０ないしＳ９４０）が図示されている。ユーザはこのような加重値行列がメモリに格納された地磁気センサー２００を購買し、その次のステップ（Ｓ９５０ないしＳ９７０）を行なうことによって、ユーザの現位置を測定する。即ち、ユーザが地磁気センサー２００をターンオンさせて現在の２軸フラックスゲート電圧値を測定すると、測定された電圧値を格納された加重値行列に補正することにより正確な方位角が得られるのである。
【００６１】
これにより地磁気センサー２００自体が斜めになっている環境においても、理想的な出力値で補正し正しい方位角値が得られることができる。
【００６２】
以上、図面を参照して本発明の好適な実施形態を図示および説明してきたが本発明の保護範囲は、前述の実施形態に限定するものではなく、特許請求の範囲に記載された発明とその均等物にまで及ぶものである。
【産業上の利用可能性】
【００６３】
本発明は２軸フラックスゲート地磁気センサーに関し、相対的に低価格で、小型の地磁気センサーが製造でき、且つ消費電力も低減させ得る。よって、携帯型機器に使用されることができる。
【図面の簡単な説明】
【００６４】
【図１】傾斜検知装置を備えた従来のフラックスゲート地磁気センサーの構成を示したブロック図である。
【図２】本発明に係るフラックスゲート地磁気センサーの構成を示したブロック図である。
【図３Ａ】本フラックスゲート地磁気センサーでピッチ角及びロール角測定のためのＸ軸及びＹ軸を示した模式図である。
【図３Ｂ】本フラックスゲート地磁気センサーで方位角測定のために斜め状態を示した図である。
【図４】本フラックスゲート地磁気センサーで正規化（ｎｏｒｍａｌｉｚｉｎｇ）されたＸ軸及びＹ軸フラックスゲート電圧値のグラフである。
【図５】本地磁気センサーの傾斜度を変化させながら測定したデータを記録したデータシート（ｄａｔａ ｓｈｅｅｔ）である。
【図６】図５に示したデータシートをグラフで示した図である。
【図７】Ｘ軸フラックスゲート電圧値についてニューラルネットワークをトレーニングさせる過程を説明するための図である。
【図８】Ｙ軸フラックスゲート電圧値についてニューラルネットワークをトレーニングさせる過程を説明するための図である。
【図９】ニューラルネットワーク加重値行列を用いて実際のＸ軸及びＹ軸フラックスゲート電圧値を基準値にして補正を行なうことを示した図である。
【図１０】本フラックスゲート地磁気センサーで方位角を測定する方法を説明するための流れ図である。
【符号の説明】
【００６５】
１０１、２０１ 駆動パルス発生回路
１０２、２０２ コイル駆動用電流増幅回路
１０３、２０３ ２軸フラックスゲート
１０４、２０４ チョッピング（ｃｈｏｐｐｉｎｇ）回路
１０５、２０５ １次増幅回路
１０６、２０６ 低周波フィルタ
１０７、２０７ ２次増幅回路
１０８、２０８ Ａ/Ｄコンバーター（Ｃｏｎｖｅｒｔｅｒ）
１１０、２１０ 制御器
１２０ 傾斜検知装置
１３０、２２０ メモリ
２００ フラックスゲート地磁気センサー
【特許請求の範囲】
【請求項１】
相互直交するＸ軸及びＹ軸フラックスゲートを備え、地磁気に対応する前記Ｘ軸及びＹ軸フラックスゲートそれぞれの電圧値を出力する２軸フラックスゲートと、
前記Ｘ軸及びＹ軸フラックスゲート電圧値それぞれに対応する予め測定された傾斜環境におけるＸ軸及びＹ軸フラックスゲート電圧値をトレーニングし作成されたニューラルネットワーク加重直行列（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｗｅｉｇｈｔ ｍａｔｒｉｘ）が格納されたメモリと、
前記Ｘ軸及びＹ軸フラックスゲート電圧値が測定されれば、前記メモリに格納されたニューラルネットワーク加重値行列値を用いて前記電圧値を補正し、補正された電圧値を用いて方位角を演算する制御部と、
を含むことを特徴とするフラックスゲート地磁気センサー。
【請求項２】
前記Ｘ軸及びＹ軸フラックスゲート電圧値は、前記制御部で次式（１）及び（２）を用いて所定範囲の値にマッピングさせた正規化値であることを特徴とする請求項１に記載のフラックスゲート地磁気センサー
【数１】
ただし、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角。
【請求項３】
前記ニューラルネットワーク加重値行列値は、前記フラックスゲート地磁気センサーのピッチ角、ロール角、及びヨー角の変化に対応される前記Ｘ軸及びＹ軸フラックスゲート電圧値を記録した所定のデータシートをニューラルネットワークソフトウェアに適用して、前記ニューラルネットワークをトレーニングさせることにより演算されることを特徴とする請求項１に記載のフラックスゲート地磁気センサー。
【請求項４】
前記データシートは、前記フラックスゲート地磁気センサーのピッチ角及びロール角が所定の角度固定された状態で、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定し格納する過程を経てから、前記ピッチ角及びロール角のいずれかを所定の角度変化させ、前記過程を繰り返すことによって製造されたことを特徴とする請求項３に記載のフラックスゲート地磁気センサー。
【請求項５】
Ｘ軸及びＹ軸フラックスゲート及びメモリを含むフラックスゲート地磁気センサーの方位角測定方法であって、
（ａ）前記フラックスゲート地磁気センサーのピッチ角、ロール角、及びヨー角の変化に対応する前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定した後、正規化し所定のデータシート（ｄａｔａ ｓｈｅｅｔ）を作成するステップと、
（ｂ）前記データシートを適用し前記ニューラルネットワークをトレーニングさせることによって前記測定されたピッチ角、ロール角、及びヨー角の変化に対応するＸ軸及びＹ軸フラックスゲート電圧値をトレーニングさせてニューラルネットワーク加重値行列を作成するステップと、
（ｃ）前記ニューラルネットワーク加重値行列を前記メモリに格納するステップと、
（ｄ）前記フラックスゲート地磁気センサーの現Ｘ軸及びＹ軸フラックスゲートの正規化された電圧値を測定してから、前記ニューラルネットワーク加重値行列を用いて方位角を演算するステップと、
を含むことを特徴とする方位角測定方法。
【請求項６】
前記（ａ）ステップは、
（ａ１）前記フラックスゲート地磁気センサーのピッチ角及びロール角を０に固定させ、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定し正規化するステップと、
（ａ２）前記Ｘ軸及びＹ軸フラックスゲート電圧値の最大値、最小値、及び伏角を測定し格納するステップと、
（ａ３）前記フラックスゲート地磁気センサーのピッチ角及びロール角を所定の角度固定した状態で、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら、前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定するステップと、
（ａ４）各ヨー角に対するｃｏｓ関数値及びｓｉｎ関数値を演算して基準値として認識するステップと、
（ａ５）前記フラックスゲート地磁気センサーのピッチ角及びロール角のいずれかを所定の角度変化させてから、前記（ａ３）及び（ａ４）ステップを繰り返すステップと、
（ａ６）ピッチ角、ロール角、及びヨー角のいずれか１つが変化するたび、測定され正規化された前記Ｘ軸及びＹ軸フラックスゲート電圧値及び前記基準値を格納してデータシートを作成するステップと、を含むことを特徴とする請求項５に記載の方位各測定方法。
【請求項７】
前記正規化は次式（１）及び（２）を用いることを特徴とする請求項６に記載の方位各測定方法
【数２】
ただし、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角。
【請求項８】
前記（ｂ）ステップは、
（ｂ１）ニューラルネットワークソフトウェアを実行するステップと、
（ｂ２）前記データシートの中、Ｘ軸及びＹ軸フラックスゲート出力値を前記ニューラルネットワークの入力値として入力させ、所定の加重値を適用してそれぞれ所定のｃｏｓ関数値及びｓｉｎ関数値を出力するフォワードプロセシング（ｆｏｒｗａｒｄ ｐｒｏｃｅｓｓｉｎｇ）ステップと、
（ｂ３）前記ｃｏｓ関数値及びｓｉｎ関数値を前記データシートに記録された対応される基準値と比較してエラー値を求め、前記エラー値が所定の許容誤差範囲を超えれば前記ｃｏｓ関数値及びｓｉｎ関数値が前記基準値に近づけるよう前記加重値を修正するバックワードプロセシング（ｂａｃｋｗａｒｄ ｐｒｏｃｅｓｓｉｎｇ）ステップと、
（ｂ４）前記エラー値が所定の許容誤差範囲内に属する時まで前記（ｂ２）及び（ｂ３）ステップを繰り返すステップと、
（ｂ５）前記エラー値が前記許容誤差範囲内に属すれば、その時の加重値を格納しニューラルネットワーク加重値行列を作成するステップと、
を含むことを特徴とする請求項５に記載の方位角測定方法。
【請求項９】
前記（ｄ）ステップは、
（ｄ１）現のＸ軸及びＹ軸フラックスゲートの正規化された電圧値を測定するステップと、
（ｄ２）前記Ｘ軸フラックスゲート電圧値を入力値にし、前記メモリに格納されたニューラルネットワーク加重値行列の中で対応される加重値を適用し所定のｃｏｓ関数値を演算するステップと、
（ｄ３）前記Ｙ軸フラックスゲート電圧値を入力値にし、前記メモリに格納されたニューラルネットワーク加重値行列の中で対応される位置の加重値を適用し所定のｓｉｎ関数値を演算するステップと、
（ｄ４）前記ｃｏｓ関数値及びｓｉｎ関数値を用いて方位角を演算するステップと、
を含むことを特徴とする請求項５に記載の方位角測定方法。
【請求項１０】
前記（ｄ４）ステップは、次式（３）を用いて方位角を演算することを特徴とする請求項９に記載の測定方法
Ψ = tan-1(sin_out/cos_out) ・・・（３）
ただし、Ψは方位角、sin_outはsin関数値、cos_outはcos関数値。
【請求項１】
相互直交するＸ軸及びＹ軸フラックスゲートを備え、地磁気に対応する前記Ｘ軸及びＹ軸フラックスゲートそれぞれの電圧値を出力する２軸フラックスゲートと、
前記Ｘ軸及びＹ軸フラックスゲート電圧値それぞれに対応する予め測定された傾斜環境におけるＸ軸及びＹ軸フラックスゲート電圧値をトレーニングし作成されたニューラルネットワーク加重直行列（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｗｅｉｇｈｔ ｍａｔｒｉｘ）が格納されたメモリと、
前記Ｘ軸及びＹ軸フラックスゲート電圧値が測定されれば、前記メモリに格納されたニューラルネットワーク加重値行列値を用いて前記電圧値を補正し、補正された電圧値を用いて方位角を演算する制御部と、
を含むことを特徴とするフラックスゲート地磁気センサー。
【請求項２】
前記Ｘ軸及びＹ軸フラックスゲート電圧値は、前記制御部で次式（１）及び（２）を用いて所定範囲の値にマッピングさせた正規化値であることを特徴とする請求項１に記載のフラックスゲート地磁気センサー
【数１】
ただし、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角。
【請求項３】
前記ニューラルネットワーク加重値行列値は、前記フラックスゲート地磁気センサーのピッチ角、ロール角、及びヨー角の変化に対応される前記Ｘ軸及びＹ軸フラックスゲート電圧値を記録した所定のデータシートをニューラルネットワークソフトウェアに適用して、前記ニューラルネットワークをトレーニングさせることにより演算されることを特徴とする請求項１に記載のフラックスゲート地磁気センサー。
【請求項４】
前記データシートは、前記フラックスゲート地磁気センサーのピッチ角及びロール角が所定の角度固定された状態で、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定し格納する過程を経てから、前記ピッチ角及びロール角のいずれかを所定の角度変化させ、前記過程を繰り返すことによって製造されたことを特徴とする請求項３に記載のフラックスゲート地磁気センサー。
【請求項５】
Ｘ軸及びＹ軸フラックスゲート及びメモリを含むフラックスゲート地磁気センサーの方位角測定方法であって、
（ａ）前記フラックスゲート地磁気センサーのピッチ角、ロール角、及びヨー角の変化に対応する前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定した後、正規化し所定のデータシート（ｄａｔａ ｓｈｅｅｔ）を作成するステップと、
（ｂ）前記データシートを適用し前記ニューラルネットワークをトレーニングさせることによって前記測定されたピッチ角、ロール角、及びヨー角の変化に対応するＸ軸及びＹ軸フラックスゲート電圧値をトレーニングさせてニューラルネットワーク加重値行列を作成するステップと、
（ｃ）前記ニューラルネットワーク加重値行列を前記メモリに格納するステップと、
（ｄ）前記フラックスゲート地磁気センサーの現Ｘ軸及びＹ軸フラックスゲートの正規化された電圧値を測定してから、前記ニューラルネットワーク加重値行列を用いて方位角を演算するステップと、
を含むことを特徴とする方位角測定方法。
【請求項６】
前記（ａ）ステップは、
（ａ１）前記フラックスゲート地磁気センサーのピッチ角及びロール角を０に固定させ、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定し正規化するステップと、
（ａ２）前記Ｘ軸及びＹ軸フラックスゲート電圧値の最大値、最小値、及び伏角を測定し格納するステップと、
（ａ３）前記フラックスゲート地磁気センサーのピッチ角及びロール角を所定の角度固定した状態で、ヨー角が所定の角度変化されるように前記フラックスゲート地磁気センサーを１回転させながら、前記Ｘ軸及びＹ軸フラックスゲート電圧値を測定するステップと、
（ａ４）各ヨー角に対するｃｏｓ関数値及びｓｉｎ関数値を演算して基準値として認識するステップと、
（ａ５）前記フラックスゲート地磁気センサーのピッチ角及びロール角のいずれかを所定の角度変化させてから、前記（ａ３）及び（ａ４）ステップを繰り返すステップと、
（ａ６）ピッチ角、ロール角、及びヨー角のいずれか１つが変化するたび、測定され正規化された前記Ｘ軸及びＹ軸フラックスゲート電圧値及び前記基準値を格納してデータシートを作成するステップと、を含むことを特徴とする請求項５に記載の方位各測定方法。
【請求項７】
前記正規化は次式（１）及び（２）を用いることを特徴とする請求項６に記載の方位各測定方法
【数２】
ただし、ＸｆはＸ軸フラックスゲートの実際電圧値、ＹｆはＹ軸フラックスゲートの実際電圧値、Xfnorm及びYfnormはそれぞれＸｆ及びＹｆの正規化値、Xfmax及びXfminはそれぞれＸｆの最大値及び最小値、Yfmax及びYfminはそれぞれＹｆの最大値及び最小値、λは伏角。
【請求項８】
前記（ｂ）ステップは、
（ｂ１）ニューラルネットワークソフトウェアを実行するステップと、
（ｂ２）前記データシートの中、Ｘ軸及びＹ軸フラックスゲート出力値を前記ニューラルネットワークの入力値として入力させ、所定の加重値を適用してそれぞれ所定のｃｏｓ関数値及びｓｉｎ関数値を出力するフォワードプロセシング（ｆｏｒｗａｒｄ ｐｒｏｃｅｓｓｉｎｇ）ステップと、
（ｂ３）前記ｃｏｓ関数値及びｓｉｎ関数値を前記データシートに記録された対応される基準値と比較してエラー値を求め、前記エラー値が所定の許容誤差範囲を超えれば前記ｃｏｓ関数値及びｓｉｎ関数値が前記基準値に近づけるよう前記加重値を修正するバックワードプロセシング（ｂａｃｋｗａｒｄ ｐｒｏｃｅｓｓｉｎｇ）ステップと、
（ｂ４）前記エラー値が所定の許容誤差範囲内に属する時まで前記（ｂ２）及び（ｂ３）ステップを繰り返すステップと、
（ｂ５）前記エラー値が前記許容誤差範囲内に属すれば、その時の加重値を格納しニューラルネットワーク加重値行列を作成するステップと、
を含むことを特徴とする請求項５に記載の方位角測定方法。
【請求項９】
前記（ｄ）ステップは、
（ｄ１）現のＸ軸及びＹ軸フラックスゲートの正規化された電圧値を測定するステップと、
（ｄ２）前記Ｘ軸フラックスゲート電圧値を入力値にし、前記メモリに格納されたニューラルネットワーク加重値行列の中で対応される加重値を適用し所定のｃｏｓ関数値を演算するステップと、
（ｄ３）前記Ｙ軸フラックスゲート電圧値を入力値にし、前記メモリに格納されたニューラルネットワーク加重値行列の中で対応される位置の加重値を適用し所定のｓｉｎ関数値を演算するステップと、
（ｄ４）前記ｃｏｓ関数値及びｓｉｎ関数値を用いて方位角を演算するステップと、
を含むことを特徴とする請求項５に記載の方位角測定方法。
【請求項１０】
前記（ｄ４）ステップは、次式（３）を用いて方位角を演算することを特徴とする請求項９に記載の測定方法
Ψ = tan-1(sin_out/cos_out) ・・・（３）
ただし、Ψは方位角、sin_outはsin関数値、cos_outはcos関数値。
【図１】
【図２】
【図３Ａ】
【図３Ｂ】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３Ａ】
【図３Ｂ】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２００７−３０４１０５（Ｐ２００７−３０４１０５Ａ）
【公開日】平成１９年１１月２２日（２００７．１１．２２）
【国際特許分類】
【出願番号】特願２００７−１６３２０２（Ｐ２００７−１６３２０２）
【出願日】平成１９年６月２０日（２００７．６．２０）
【分割の表示】特願２００４−３２４８９９（Ｐ２００４−３２４８９９）の分割
【原出願日】平成１６年１１月９日（２００４．１１．９）
【出願人】（３９００１９８３９）三星電子株式会社 (8,520)
【氏名又は名称原語表記】Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ．
【Ｆターム（参考）】
【公開日】平成１９年１１月２２日（２００７．１１．２２）
【国際特許分類】
【出願日】平成１９年６月２０日（２００７．６．２０）
【分割の表示】特願２００４−３２４８９９（Ｐ２００４−３２４８９９）の分割
【原出願日】平成１６年１１月９日（２００４．１１．９）
【出願人】（３９００１９８３９）三星電子株式会社 (8,520)
【氏名又は名称原語表記】Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ．
【Ｆターム（参考）】
[ Back to top ]