Wyniki wyszukiwania - BazTech

1

The usability of Bayesian filters in noise reduction across interdisciplinary data

Zientarski Tomasz, Kozar Joanna, Pietrak Kamil

Advances in Science and Technology. Research Journal

|

2025

|

Vol. 19, no. 12

420--435

EN

Bayesian filters are most often used to predict the behaviour of dynamic objects in the presence of noise with a non-Gaussian distribution. Another application can be the filtration of measurement data obtained from measurement systems. Noise is present in almost all experimental data, and its distribution is often non-Gaussian. The article presents the application of Bayesian filtering methods to noisy data. For testing, real experimental data and artificially generated and noisy data with a known distribution were used. The following were used for testing: Generic Particle Filter, SIR Particle Filter, Auxiliary Particle Filter, and Regularized Particle Filter. The effect of the number of inserted particles on the estimated result data was examined. The Peak Signal-to-Noise Ratio (PSNR) measure was used to assess the quality of the estimation. The results showed a significant advantage of the Auxiliary Particle Filter over the other Bayesian filters. The same data sets were then subjected to Kalman filters. A basic and an extended Kalman filter were used. It turned out that all the Bayesian filters used, even for a small number of particles, give higher PSNR values than the commonly used Extended Kalman Filter.

2

Application of Particle Filter in Path-loss Modelling

Wójcicki Piotr, Zientarski Tomasz, Przyłucki Sławomir

Advances in Science and Technology. Research Journal

|

2023

|

Vol. 17, no. 5

337--349

EN

The article presents the dynamic estimation method of the path loss exponent parameter in the function of the distance based on the conducted measurements. A specific feature of this solution is its suitability for distance estimation on devices which are characterised by a small amount of resources. The presented method allows to provide an acceptable precision of distance estimation while using a relatively small measurement set. For this purpose, real RSSI (Received Signal Strength Indicator) measurements were used and estimation of the path-loss exponent was performed with the use of a Bayesian particle filter. The article, apart from a detailed demonstration of the algorithms, presents the results of the sensitivity analysis of this method to change the number of inserted particles and of the repetitions of calculations needed to estimate the path loss exponent. Additionally, the results of the model stability study on the size change of the experimental dataset RSSI are presented. The properties and accuracy of the proposed method are verified based on a set of actual measurement data. All the obtained results indicate the utility of the Bayesian filtering method for effective estimation of the path loss exponent and confirm the possibility of using the described method in systems with a limited amount of computing resources.

3

Nonlinear Nonlocal Algorithm for Video Filtering

El Ouafdi Ahmed Fouad, El Houari Hassan

Advances in Science and Technology. Research Journal

|

2021

|

Vol. 15, no. 4

243--252

EN

Video sequences are frequently contaminated by noise throughout the acquisition process, resulting in considerable degradation of video display quality. In this paper, we present a novel method of video filtering. The proposed filter is developed from an optimization problem in which a Bayesian term and a noisy video sequence prior distribution are combined. The method begins by segmenting the video sequence into space-time blocks and then substituting each noisy block by a weighted average of non-local neighbor blocks. Gradient-based weights are used to dynamically adjust the edge preservation and smoothness of the reference block. The obtained formulation enables nonlinear filtering and, hence, preserving key features such as edges and corners while using the intrinsic Bayesian filtering framework. Experiments on different video sequences with varying degrees of noise show that the proposed method performs better than state-of-the-art video filtering approaches.

4

Hyperbolic model of fluid flow under Bayesian paradigm

Uilhoorn F. E.

Prace Naukowe Politechniki Warszawskiej. Inżynieria Środowiska

|

2017

|

z. 73

3--104

PL

Teoretyczne i numeryczne modelowanie przebiegów nieustalonych płynów w systemach rurociągowych jest wyzwaniem w dziedzinie badań. Równania rządzące przepływami stanowią system hiperbolicznych nieliniowych równań różniczkowych cząstkowych opartych na zasadach zachowania masy, pędu i energii. Stosowanie takich modeli matematycznych może być ograniczone ze względu na brak pełnej wiedzy o zjawiskach fizycznych i niepewnościach. Wiedzę o początkowych i brzegowych warunkach zazwyczaj otrzymuje się z pomiarów. Istnienie szumów i niedokładności pomiarów, jak również niedokładność modelu przepływu płynu i aproksymacji do rozwiązywania pełnego systemu matematycznego, może prowadzić do przewidywań, które znacznie różnią się od rzeczywistości. W obszarze naszych zainteresowań jest problem uzyskania informacji o stanach i/lub parametrach systemu w czasie rzeczywistym z pomiarów zawierających szum. Badaliśmy skuteczność różnych metod, asymilacji danych nieliniowych w ramach Bayesa stosowanych do quasi-liniowego niejednorodnego hiperbolicznego układu równań różniczkowych cząstkowych pierwszego rzędu, opisującego przebieg nieustalony płynu. Te metody scalają dane w modele numeryczne w celu optymalizacji przewidywań oraz zmniejszenia niepewności modelowanych zmiennych stanu. Oceniliśmy skuteczność rozszerzonego filtru Kalmana, bezśladowego filtru Kalmana i dwóch filtrów cząsteczkowych, a mianowicie klasycznego algorytmu filtru cząsteczkowego oraz jego wariantu - pomocniczego filtru cząsteczkowego. Numeryczne eksperymenty zostały przeprowadzone dla izotermicznego i nieizotermicznego pola przepływu. Model izotermicznego przepływu płynu w postaci zachowawczej w sensie matematycznym został rozwiązany z dwustopniowego schematu Laxa-Wendroffa oraz semidyskretnej metody objętości skończonych używając ograniczników strumienia (flux limiters). Ta ostatnia metoda została zastosowana do estymowania przepływu przebiegu nieustalonego, za pomocą filtru Kalmana i dopuszcza rozwiązania, które zawierają nieciągłości, takie jak fale uderzeniowe. Nieizotermiczny model przepływu w postaci niezachowawczej został rozwiązany metodą linii za pomocą pięciopunktowego centralnego schematu różnicowego czwartego rzędu. Całkowanie układu równań różniczkowych zwyczajnych zostało zrobione poprzez klasyczną metodę Rungego-Kutty. W odniesieniu do dokładności estymacji, odporności i czasu obliczeń algorytmów Bayesa omówiony został wpływ przestępstwa odwrotności (inverse crime), ilości cząsteczek i algorytmu repróbkowania stosowanych w filtrach cząstek staIh, przestrzennej i czasowej siatki odczytów czujników; statystyk szumów i stromości warunków brzegowych przepływu. Symulacje zostały wykonane dla płynów w gęstej fazie ciekłej lub gazowej. Ogólnie, można stwierdzić, że w większości sytuacji bayesowskie podejście jest skuteczne w estymacji przebiegów nieustalonych płynów. Biorąc pod uwagę czas obliczania bezśladowego filtru Kalmana, kwestie odporności filtrów cząstek i efektywności numerycznej obliczania macierzy Jacobiego, wykorzystanie rozszerzonego filtru Kalmana byłoby lepszym wyborem dla estymacji stanu w czasie rzeczywistym.

EN

Theoretical and numerical modeling of fluid transients in pipeline systems is a challenging field of research. The governing flow equations constitute a system of nonlinear hyperbolic partial differential equations enforcing the conservation laws for mass, momentum and energy. The application of these mathematical models might be limited due to the absence of complete knowledge about the physical phenomena and uncertainties. Knowledge about the initial and boundary conditions is usually obtained from measurements. The presence of noise and inaccuracies in these measurements, as well as inexactness of the fluid flow model and approximations for solving the full mathematical system, can lead to predictions that significantly differ from reality. Our interest is to deal with the problem of extracting information about states, or parameters, or both, of the system in real time given noisy measurements. We investigated the performance of different nonlinear data assimilation methods within the Bayesian framework applied to a quasilinear nonhomogeneous hyperbolic system of partial differential equations of first order describing fluid transients. These methods merge sparse data into numerical models to optimize predictions and reduce uncertainties in the modeled state variables. The performance of the extended Kalman filter, unscented Kalman filter and two particle filters, namely sequential importance resampling and its variant, the auxiliary particle filters, were investigated. Numerical experiments were conducted for an isothermal and nonisothermal flow field. The isothermal fluid flow model in mathematical conservation-law form was solved with the two-step Lax-Wendroff scheme and a semi discrete finite volume scheme using flux limiters. The latter high-resolution technique was applied to estimate flow transients using the extended Kalman filter while allowing for solutions that contain discontinuities, such as shock waves. The non isothermal flow model in non conservative form was solved with the method of lines using a classical five-point, fourth-order finite difference approximation. The semidiscrete approximations were integrated with a multi stage explicit Runge-Kutta scheme. With respect to estimation accuracy, robustness and computation time of the Bayesian algorithms, we discussed the impact of inverse crime, ensemble size and resampling algorithm in the particle filter, spatial and temporal resolution of sensor readings, noise statistics and gradient steepness in the mass flow boundary conditions. Simulations were conducted for fluids in dens liquid or gaseous phase. In general, we can conclude that in most of the situations the Bayesian approach is successful in estimating fluid transients. Taking into account the computation time of the unscented Kalman filter, robustness issues of the particle filters and numerical efficiency of computing the Jacobian matrix, the extended Kalman filter would be a better choice for real-time state estimation.