Estymacja największej wiarygodności w obecności pomiarów anomalnych w nieliniowym kanale pomiarowym

• Autorzy: Jańczak D.

Identyfikatory

DOI

10.15199/48.2016.02.12

Warianty tytułu

EN

Maximum likelihood estimation in presence of outliers in nonlinear measurement channel

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano nowy suboptymalny algorytm estymacji dla systemów pomiarowych, w których zakłócenia powodują pojawianie się pomiarów anomalnych. Proponowana metoda wykorzystuje dwurozkładowy gaussowski model zakłóceń procesu pomiarowego. Na jego podstawie opracowano algorytm wyznaczania aposteriorycznego prawdopodobieństwa stanu kanału pomiarowego, który zastosowano jako rozszerzenie estymatora największej wiarygodności pozwalające na wykrycie i eliminację pomiarów anomalnych. W artykule rozpatrzono zakłócenia pojawiające się w nieliniowym torze pomiarowym oraz śledzenie obiektu opisanego nieliniowymi równaniami stanu. Zaprezentowano również wyniki badań symulacyjnych.

EN

The paper presents a new outlier detection and suppression suboptimal algorithm for the maximum likelihood estimation method. The proposed method is based on the mathematical model of disturbances in a form of noise variance changes. The outliers detection is done on the basis of the a posteriori probabilities of the measurement channels state. The system with measurement channel described by nonlinear equation and object with nonlinear dynamics are considered. Simulation results are presented. The proposed algorithm reveals better performance than typical MLE method.

Słowa kluczowe

PL

przetwarzanie sygnałów; estymator; kanał pomiarowy

EN

signal processing; outlier; estimation; measurement channels

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2016
• Tom: R. 92, nr 2
• Strony: 41--43
• Opis fizyczny: Bibliogr. 10 poz., tab., wykr.

Twórcy

autor

Jańczak D.

• Politechnika Białostocka, Wydział Elektryczny, ul. Wiejska 45 D, 15-351 Białystok

Bibliografia

• [1] Aggarwal C. C., Outlier Analysis, Springer, 2013
• [2] Gupta M., Gao J., Aggarwal C., Han J., Outlier Detection for Temporal Data: A Survey, IEEE Trans. on Knowledge and Data Engineering, 25, (2014), no. 1, 2250-2267
• [3] Basu S., Meckesheimer M., Automatic outlier detection for time series: An application to sensor data, Knowl. Inform. Syst., 11 (2007), no. 2, 137-154
• [4] Grishin Yu., Robust data processing on the presence of outliers, Przegląd Elektrotechniczny, 86 (2010), nr 3, 25-27
• [5] S. Kay, Fundamentals of statistical signal processing: Estimation theory, Prentice-Hall, 1993
• [6] Janczak D., Sankowski M., Grishin Yu., Measurement fusion using maximum likelihood estimation of ballistic trajectories, IET Radar, Sonar & Navigation, (2015), DOI: 10.1049/ietrsn.2014.0316
• [7] Szadkowski J., Balistyka zewnętrzna: model balistyczny, Wydaw. Politechniki Świętokrzyskiej, Kielce, 2004
• [8] Barton D., Radar Systems Analysis and Modelling, Artech House, 2005
• [9] Janczak D., An adaptive algorithm of state estimation in the presence of multiplicative interference, Przegląd Elektrotechniczny, 86 (2010), 30-31
• [10] Grishin Yu., Janczak D., A detection-estimation method for systems with random jumps with application to target tracking and fault diagnosis, Nonlinear dynamics, Intech, 2010, 343-366

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.