Guangze Yang

R&D Researcher, Control & Robotics

Raspberry Pi Remote Development with VS Code & SSH

October 15, 2024 · 10 min read

R&D Researcher, Control & Robotics

This guide explains how to set up Visual Studio Code (VS Code) for remote development on a Raspberry Pi using SSH. This setup allows you to develop IoT and embedded projects directly on the Raspberry Pi while maintaining the comfort of your local development environment.

VS Code Remote Development on Raspberry Pi

Overview

Remote development on Raspberry Pi offers several advantages:

Direct hardware access: Work with GPIO, sensors, and peripherals directly
Consistent environment: Use your local VS Code setup with Pi's resources
Efficient development: No need to transfer files manually
Real-time testing: Test embedded applications in the target environment

Prerequisites

Raspberry Pi with Raspberry Pi OS installed
Local machine with VS Code
Network connection between both devices
Basic familiarity with SSH and command line

Build ROS/ROS2 Development Environment with Docker - Complete Guide

September 8, 2024 · 6 min read

Guangze Yang

R&D Researcher, Control & Robotics

Building a ROS development environment with Docker solves environment dependency issues and allows using multiple ROS versions on the same system. This guide explains in detail how to build a ROS environment with Docker.

Docker + ROS

How to Start and Manage Docker Containers with GUI Support

August 10, 2024 · 3 min read

Guangze Yang

R&D Researcher, Control & Robotics

This guide explains the basic operations for creating, starting, and managing Docker containers. It includes settings for using GUI applications (VS Code, RViz, etc.) within Docker.

How to Run Docker Commands Without Sudo - User Permissions Setup

August 1, 2024 · 3 min read

Guangze Yang

R&D Researcher, Control & Robotics

By default, Docker commands require root privileges (sudo) to execute. However, with proper configuration, regular users can run Docker commands without sudo.

Docker Hub Tutorial - Login, Push Images & Access Token Setup

July 25, 2024 · 3 min read

Guangze Yang

R&D Researcher, Control & Robotics

Docker Hub is a cloud-based registry service for storing and sharing Docker images. This guide covers Docker Hub login, image pushing, and troubleshooting.

Tmux Tutorial - Master Terminal Multiplexing for Productivity

July 12, 2024 · 10 min read

Guangze Yang

R&D Researcher, Control & Robotics

Tmux (Terminal Multiplexer) is a powerful command-line tool that allows you to manage multiple terminal sessions within a single window. It's essential for developers, system administrators, and anyone who works extensively with the command line.

Overview

Tmux enables you to:

Run multiple programs simultaneously in separate windows and panes
Detach and reattach to sessions, maintaining long-running processes
Share sessions between multiple users or terminals
Organize workflows with custom layouts and configurations
Maintain persistent sessions that survive SSH disconnections

Key Concepts

Session: A collection of windows managed together
Window: A single screen containing one or more panes
Pane: Individual terminal instances within a window
Prefix Key: Command key combination (default: Ctrl+b)

Safely Remove Ubuntu from Windows Dual-Boot - Complete UEFI & GRUB Cleanup

June 20, 2024 · 9 min read

Guangze Yang

R&D Researcher, Control & Robotics

This comprehensive guide explains how to safely remove Ubuntu from a Windows dual-boot system, clean up partitions, and restore the Windows bootloader. Follow these steps carefully to avoid data loss and system issues.

Data Loss Warning

Removing Ubuntu involves deleting partitions and modifying system boot files. Always backup important data before proceeding. Incorrect execution can make your system unbootable.

Overview

When Ubuntu is installed alongside Windows in a dual-boot configuration, it typically:

Creates Linux partitions (root, swap, sometimes home)
Installs GRUB bootloader to manage boot options
Adds EFI entries for Linux boot process
Modifies system boot sequence

Proper removal requires:

Backing up important data
Removing Ubuntu EFI entries
Deleting Ubuntu partitions
Restoring Windows bootloader
Reclaiming disk space

Prerequisites

Required Access

Windows Administrator privileges
Physical access to the computer
Windows installation media (for recovery if needed)

Recommended Preparations

Complete data backup of important files
Create Windows recovery drive
Document current partition layout
Note Ubuntu version and installation details

System Requirements

UEFI-based system (most modern computers)
Windows 10/11 with Disk Management tools
Stable power supply during the process

Run Linux GUI Apps on Windows via SSH

June 18, 2024 · 8 min read

Guangze Yang

R&D Researcher, Control & Robotics

When working on remote development via SSH, you sometimes need a graphical user interface (GUI). This guide explains how to set up and use an X server on Windows to run graphical Linux applications remotely via SSH, perfect for scenarios like using ROS with VS Code on a Windows machine while connecting to a Linux host.

X Server SSH Setup

Overview

X11 forwarding allows you to run graphical applications on a remote Linux machine and display them on your local Windows desktop. This is particularly useful for:

Remote development with GUI tools
Running ROS applications with visualization (RViz, Gazebo)
Using Linux-specific GUI applications from Windows
Docker containers with GUI applications

Configure Static IP Address on Ubuntu with Netplan

June 5, 2024 · 8 min read

Guangze Yang

R&D Researcher, Control & Robotics

This comprehensive guide explains how to configure a static IP address on Ubuntu using the netplan configuration system. Setting a static IP is essential for servers, network devices, or any system that requires a consistent network address for reliable connectivity.

Overview

Static IP addresses provide several advantages over dynamic IP assignment:

Consistent Network Identity: Same IP address after reboots and network changes
Server Applications: Essential for hosting services that clients need to find
Network Management: Easier to manage firewall rules and network policies
Remote Access: Reliable SSH and remote desktop connections
Port Forwarding: Stable configuration for router port forwarding rules

Prerequisites

Ubuntu system with network connectivity
Administrative (sudo) privileges
Basic understanding of network concepts (IP, subnet, gateway)
Access to your network's configuration details

Understanding Netplan

Ubuntu uses netplan as the default network configuration system since Ubuntu 18.04. Netplan:

Uses YAML configuration files for network settings
Supports both NetworkManager and systemd-networkd as backends
Provides a unified configuration approach across Ubuntu systems
Validates configuration before applying changes

逐次最小二乗法によるシステム同定シミュレーション

June 1, 2024 · 8 min read

Guangze Yang

R&D Researcher, Control & Robotics

この文書では、逐次最小二乗法（Recursive Least Squares, RLS）を用いたシステム同定のシミュレーションについて詳しく説明します。2次線形システムのパラメータ推定、時変システム、および補助変数法を含む包括的な分析を行います。

3.5.1 同定対象システム

2次の線形離散時間システムを考えます：

\begin{aligned} x_{t} &=-a_1x_{t-1}-a_2x_{t-2}+b_1u_{t-1}+b_2u_{t-2} \\ y_t &=x_t+v_t \end{aligned}

ここで、真のパラメータ値は：

a_1=-1.5,\quad a_2=0.7,\quad b_1=1.0, \quad b_2=0.5

システム特性

入力信号: $[0,1]$ の範囲で一様分布する乱数
観測雑音: ゼロ平均のガウス分布乱数
無相関性: 雑音は入力信号と無相関

雑音信号比（NSR）

雑音のレベルは雑音信号比（Noise Signal Ratio, $NSR$ ）で評価されます。

$NSR = \frac{\sigma_v}{\sigma_x}$

ここで、 $\sigma_v$ は雑音 $v_t$ の標準偏差、 $\sigma_x$ は真の出力信号 $x_t$ の標準偏差です。

3.5.2 逐次最小二乗法によるパラメータ推定

数学的定式化

観測方程式：

y_t=-a_1y_{t-1}-a_2y_{t-2}+b_1u_{t-1}+b_2u_{t-2}+r_t

回帰ベクトル：

z_t^T=[-y_{t-1},-y_{t-2},u_{t-1},u_{t-2}]

パラメータベクトル：

\theta^T=[a_1,a_2,b_1,b_2]

シミュレーション設定

データ長: $N = 3000$ （十分大きな整数）
NSR レベル: 0%, 10%, 20%
目的: 各NSRレベルでのパラメータ推定性能の比較

MATLABシミュレーションコード

clear
close all
set(0,'DefaultAxesFontName','Times New Roman')
set(0,'DefaultAxesFontSize',22)

% パラメータ設定
N = 3000;
rand('seed',1);

% 真のパラメータ
a1 = -1.5; a2 = 0.7; b1 = 1.0; b2 = 0.5;

% 初期化
t = zeros(1, N+1);
u = rand(1, N+1);
x = zeros(1, N+1);
theta1_hat = zeros(4,N+1); % NSR=0
theta2_hat = zeros(4,N+1); % NSR=0.1
theta3_hat = zeros(4,N+1); % NSR=0.2
alpha = 1000;
rho = 0.95*ones(1, N+1);

% システム応答生成
for k=3:N+1
    t(k) = k-1;
    x(k) = -a1*x(k-1)-a2*x(k-2)+b1*u(k-1)+b2*u(k-2);
end

% 各NSRレベルでの推定
for NSR = 0:0.1:0.2
    % ガウス雑音生成
    mu = 0;
    sigma = NSR*std(x);
    v = sigma*randn(1,N+1) + mu;
    
    % 観測信号
    y = x + v;
    
    % 逐次最小二乗法
    for k=3:N+1
        z(:,k) = [-y(k-1),-y(k-2),u(k-1),u(k-2)]';
        
        % 忘却係数更新
        rho(k) = (1-0.01)*rho(k-1)+0.01;
        
        % 共分散行列更新
        P(:,:,k) = (P(:,:,k-1) - (P(:,:,k-1)*psi(:,k)*phi(:,k)'*P(:,:,k-1))/(rho(k) + phi(:,k)'*P(:,:,k-1)*psi(:,k)))/rho(k);
        
        % ゲインベクトル
        L(:,k) = (P(:,:,k-1)*psi(:,k))/(rho(k) + phi(:,k)'*P(:,:,k-1)*psi(:,k));
        
        % 予測誤差
        E(k) = y(k) - phi(:,k)'*theta_hat(:,k-1);
        
        % パラメータ更新
        theta_hat(:,k) = theta_hat(:,k-1) + L(:,k)*E(k);
    end
end

3.5.3 時変システムのパラメータ推定

時変システムモデル

2次の時変システム：

\begin{aligned} &x_t = -a_{1,t}x_{t-1}-a_{2,t}x_{t-2}+b_{1,t}u_{t-1}+b_{2,t}u_{t-2} \\ &y_t = x_t+v_t \end{aligned}

時変パラメータ：

\begin{aligned} a_{1,t} &= -1.0+0.5\sin(2\pi t/2000) \\ a_{2,t} &= 0.7 \\ b_{1,t} &= 1.0 \\ b_{2,t} &= 0.5+0.4\cos(2\pi t/2000) \end{aligned}

時変パラメータ推定の特徴

追従性能: 忘却係数により過去のデータの影響を減衰
適応能力: パラメータ変化に対する追従速度
雑音感度: 時変システムでは雑音の影響がより顕著

MATLABシミュレーション（時変システム）

% 時変パラメータ生成
for k=1:N+1
    a1(k) = -1.0 + 0.5*sin(2*pi*k/2000);
    a2(k) = 0.7;
    b1(k) = 1.0;
    b2(k) = 0.5 + 0.4*cos(2*pi*k/2000);
end

% 時変システム応答
for k=3:N+1
    x(k) = -a1(k-1)*x(k-1)-a2(k-2)*x(k-2)+b1(k-1)*u(k-1)+b2(k-2)*u(k-2);
end

% 逐次推定（忘却係数 = 0.98）
for k=3:N+1
    rho(k) = 0.98; % 固定忘却係数
    % [推定アルゴリズムは上記と同様]
end

3.5.4 逐次補助変数法によるパラメータ推定

補助変数法は、雑音と回帰ベクトルの相関を除去することでより正確な推定を実現します。

方法1: 遅延された入力を補助変数とする

補助変数ベクトル：

m_t = [u_{t-1-d}, u_{t-2-d}, u_{t-1}, u_{t-2}]^T

ここで、 $d \geq n$ （ $n$ はシステム次数）の遅延を設けます。

MATLABコード（遅延入力）

d = 2; % 遅延パラメータ

% 遅延された入力の設定
for k=3+d:N+1
    m(:,k) = [u(k-1-d), u(k-2-d), u(k-1), u(k-2)]';
end

% 補助変数法推定
for k=3:N+1
    phi(:,k) = z(:,k);     % 回帰ベクトル
    psi(:,k) = m(:,k);     % 補助変数ベクトル
    
    % 共分散行列更新
    P(:,:,k) = (P(:,:,k-1) - (P(:,:,k-1)*psi(:,k)*phi(:,k)'*P(:,:,k-1))/(rho(k) + phi(:,k)'*P(:,:,k-1)*psi(:,k)))/rho(k);
    
    % パラメータ更新
    L(:,k) = (P(:,:,k-1)*psi(:,k))/(rho(k) + phi(:,k)'*P(:,:,k-1)*psi(:,k));
    E(k) = y(k) - phi(:,k)'*theta_hat(:,k-1);
    theta_hat(:,k) = theta_hat(:,k-1) + L(:,k)*E(k);
end

方法2: 遅延された出力を補助変数とする

補助変数ベクトル：

m_t = [y_{t-1-d}, y_{t-2-d}, u_{t-1}, u_{t-2}]^T

方法3: 推定された出力を補助変数とする

この方法では、推定されたパラメータから出力を予測し、それを補助変数として使用します。

% 安定性チェック
p = [1 theta_hat(1,k-1) theta_hat(2,k-1)];
s = roots(p);

if abs(s(1)) < 1 && abs(s(2)) < 1
    % 安定な場合
    bar_a1(k-1) = theta_hat(1,k-1);
    bar_a2(k-1) = theta_hat(2,k-1);
else
    % 不安定な場合は調整
    bar_a1(k-1) = bar_a1(k-2) + 0.5*(theta_hat(1,k-1) - bar_a1(k-2));
    bar_a2(k-1) = bar_a2(k-2) + 0.5*(theta_hat(2,k-1) - bar_a2(k-2));
end

% 推定出力計算
hat_x(k) = -bar_a1(k-1)*hat_x(k-1) - bar_a2(k-1)*hat_x(k-2) + theta_hat(3,k-1)*u(k-1) + theta_hat(4,k-1)*u(k-2);

% 補助変数
m(:,k) = [-hat_x(k-1), -hat_x(k-2), u(k-1), u(k-2)]';

性能比較と考察

手法比較表

手法	利点	欠点	適用場面
逐次最小二乗法	計算が簡単、リアルタイム実装容易	雑音に対する感度が高い	低雑音環境
補助変数法（遅延入力）	雑音の影響を軽減	遅延による情報損失	入力信号が豊富
補助変数法（遅延出力）	バランスの取れた性能	実装がやや複雑	一般的な応用
補助変数法（推定出力）	最も高い推定精度	安定性チェックが必要	高精度が要求される場面

推奨事項

低雑音環境: 逐次最小二乗法で十分
中程度雑音: 補助変数法（遅延出力）を推奨
高雑音環境: 補助変数法（推定出力）を使用
時変システム: 忘却係数の適切な調整が重要

忘却係数の影響

忘却係数 $\rho$ の設定は推定性能に大きく影響します：

$\rho = 1.0$ : 理想的だが数値的に不安定
$\rho = 0.98$ : 時変システムに適している
$\rho = 0.95$ : より高い追従性能だが雑音に敏感

実用的考慮事項

初期値設定: $P(0) = \alpha I$ （ $\alpha$ は大きな正数）
数値安定性: 定期的な行列の条件数チェック
計算量: リアルタイム実装時のCPU負荷考慮
メモリ使用量: 長時間運転時のメモリ管理

まとめ

逐次最小二乗法とその拡張である補助変数法は、システム同定において強力な手法です。雑音レベル、システムの時変性、計算資源などを総合的に考慮して最適な手法を選択することが重要です。

実際の応用では、複数の手法を組み合わせたハイブリッドアプローチや、適応的に手法を切り替える戦略も有効です。

Overview​

Prerequisites​

Overview​

Key Concepts​

Overview​

Prerequisites​

Required Access​

Recommended Preparations​

System Requirements​

Overview​

Overview​

Prerequisites​

Understanding Netplan​

3.5.1 同定対象システム​

システム特性​

3.5.2 逐次最小二乗法によるパラメータ推定​

数学的定式化​

シミュレーション設定​

MATLABシミュレーションコード​

3.5.3 時変システムのパラメータ推定​

時変システムモデル​

時変パラメータ推定の特徴​

MATLABシミュレーション（時変システム）​

3.5.4 逐次補助変数法によるパラメータ推定​

方法1: 遅延された入力を補助変数とする​

MATLABコード（遅延入力）​

方法2: 遅延された出力を補助変数とする​

方法3: 推定された出力を補助変数とする​

性能比較と考察​

手法比較表​

忘却係数の影響​

実用的考慮事項​

まとめ​

Overview

Prerequisites

Overview

Key Concepts

Overview

Prerequisites

Required Access

Recommended Preparations

System Requirements

Overview

Overview

Prerequisites

Understanding Netplan

3.5.1 同定対象システム

システム特性

3.5.2 逐次最小二乗法によるパラメータ推定

数学的定式化

シミュレーション設定

MATLABシミュレーションコード

3.5.3 時変システムのパラメータ推定

時変システムモデル

時変パラメータ推定の特徴

MATLABシミュレーション（時変システム）

3.5.4 逐次補助変数法によるパラメータ推定

方法1: 遅延された入力を補助変数とする

MATLABコード（遅延入力）

方法2: 遅延された出力を補助変数とする

方法3: 推定された出力を補助変数とする

性能比較と考察

手法比較表

忘却係数の影響

実用的考慮事項

まとめ