Wpływ szumów kolorowych na działanie filtru cząsteczkowego

• Autorzy: Kozierski P. , Lis P.

Warianty tytułu

EN

Influence of color noises on particle filter effects

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono, jak działa filtr cząsteczkowy przy działaniu różnych kolorów szumu. W wyniku badania stwierdzono, który rodzaj szumu sprawia największe problemy przy filtracji. Zaproponowano także sposób polepszenia efektów filtracji dla kolorów szumu, które sprawiały największe problemy. Pierwszy rozdział został poświęcony filtrowi cząsteczkowemu, w drugim rozdziale przedstawiono kolory szumów, a w trzecim rozdziale opisano doświadczenie i przedstawiono wyniki symulacji.

EN

In the paper particle filter principle of operation with color noises is presented. Noise, which causes the worst filtration effects was indicated, and for this case was proposed method for improving filtration results. Particle filter is briefly described in the Chapter 1. In Chapter 2 different types of noise are presented. In Chapter 3 there are description and results of simulation.

Słowa kluczowe

PL

filtr cząsteczkowy; szum kolorowy

EN

particle filter; color noise

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Prace Naukowe Politechniki Śląskiej. Elektryka
• Rocznik: 2012
• Tom: z. 3-4
• Strony: 37--44
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Kozierski P.

• Politechnika Poznańska, Instytut Automatyki i Inżynierii Informatycznej, ul. Piotrowo 3a, 60-965 Poznań, Tel.: [phone]

autor

Lis P.

• Politechnika Poznańska, Instytut Elektrotechniki i Elektroniki Przemysłowej, ul. Piotrowo 3a, 60-965 Poznań, Tel.: [phone]

Bibliografia

• 1. Arulampalam S., Maskell S., Gordon N., Clapp T.: A Tutorial on Particle Filters for Online Non-linear/Non-Gaussian Bayesian Tracking, IEEE Proceedings on Signal Processing, Vol. 50, No. 2, 2002, s. 174-188.
• 2. Brzozowska-Rup K., Dawidowicz A.L.: Metoda filtru cząsteczkowego. „Matematyka Stosowana: Matematyka dla Społeczeństwa” 2009, T. 10/51, s. 69-107.
• 3. Candy J.V.: Bayesian signal processing, WILEY, New Jersey 2009, s. 19-44.
• 4. Doucet A., Freitas N., Gordon N.: Sequential Monte Carlo Methods in Practice, Springer-Verlag, New York 2001, s. 225-246.
• 5. Gordon N.J., Salmond N.J., Smith A.F.M.: Novel approach to nonlinear/non-Gaussian Bayesian state estimation. “IEE Proceedings-F” 1993, Vol. 140, No. 2, s. 107-113.
• 6. Kotecha J.H., Djurić P.M.: Gaussian Particle Filtering. “IEEE Trans Signal Processing” 2003, Vol. 51, No. 10, s. 2592-2601.
• 7. Little M., McSharry P., Roberts S., Costello D., Moroz I.: Exploiting Nonlinear Recurrence and Fractal Scaling Properties for voice Disorder Detection. “BioMedical Eng. OnLine” 2007, vol. 6, no. 23, s. 23-42.
• 8. Pitt M., Shephard N.: Filtering via simulation: auxiliary particle filters. “Journal of the American Statistical Association” 1999, Vol. 94, No. 446, s.590-599.
• 9. Schön T.B., Wills A., Ninness B., System identification of nonlinear state-space models, “Automatica” 2011, Vol. 47, p. 39-49.
• 10. Thrun S.: Particle Filters in Robotics, Proceedings of the 17th Annual Conference on Uncertainty in AI (UAI), 2002.
• 11. Zieliński T.: Cyfrowe przetwarzanie sygnałów: Od teorii do zastosowań. Wydawnictwa Komunikacji i Łączności, Warszawa 2007, s. 1-38.