Analiza różnych odmian filtru Kalmana przy lokalizacji obiektów mobilnych w oparciu o testy symulacyjne

• Autorzy: Malinowski M. , Kwiecień J.

Warianty tytułu

EN

Study of the effectiveness of different Kalman filtering methods in object tracing based on simulation tests

• Języki publikacji: PL

Abstrakty

PL

W praktyce nawigacyjnej stosowane są różne architektury i strategie integracji przyrządów pomiarowych, które wpływają na dobór algorytmu filtracji Kalmana. Na podstawie przedstawionych w artykule testów symulacyjnych wykonano analizę różnych metod filtracji Kalmana stosowanych przy lokalizacji obiektów mobilnych. W porównaniu zastosowano filtr EKF (Extended Kalman Filter) wymagający aproksymacji przy użyciu (jakobianów) pochodnych cząstkowych oraz filtry pozbawione tego wymogu jak UKF (Unscented Kalman Filter) i CDKF (Central Difference Kalman Filter). Przedyskutowano własności algorytmów na podstawie teoretycznej oraz wyników symulacji jednego zagadnienia w dwóch wariantach.

EN

One of tasks in navigation practice is determination the position of the object based on measurement of its attitude. On the grounds of simulation tests of algorithms designed and presented in this paper, the analysis of different methods of Kalman filtration applied in object tracing was made. EKF (Extended Kalman Filter) filter based on approximation with (jacobians) partial derivations and derivative-free filters like UKF (Unscented Kalman Filter) and CDKF (Central Difference Kalman Filter) were implemented in comparison. The two cases were carried out to verify the correctness and quality of work of developed modular library of estimation algorithms in practice. Filtering performance is discussed on the theoretical base and simulation results of example in two variants are presented.

Słowa kluczowe

PL

filtr Kalmana; obiekt mobilny; trajektoria

EN

Kalman filtering; extended Kalman filter; unscented Kalman filter; Central Difference Kalman Filter

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 7040--7050
• Opis fizyczny: Bibliogr. 17 poz., wykr., pełny tekst na CD3

Twórcy

autor

Malinowski M.

• Katedra Geomatyki, Geodezji i Gospodarki Przestrzennej, Uniwersytet Technologiczno-Przyrodniczy im. J. i J. Śniadeckich, ul. Kaliskiego 7, 85-796 Bydgoszcz

autor

Kwiecień J.

• Katedra Geomatyki, Geodezji i Gospodarki Przestrzennej, Uniwersytet Technologiczno-Przyrodniczy im. J. i J. Śniadeckich, ul. Kaliskiego 7, 85-796 Bydgoszcz

Bibliografia

• 1. Christian K. „Improvements of GNSS Receiver Performance Using Deeply Coupled INS measurements.”, ION GPS 2000.
• 2. Grejner-Brzezinska D. A., Toth C. K., and Yi Y., „On Improving Navigation Accuracy of GPS/INS Systems.”, Photogrammetric Engineering and Remote Sensing, Vol. 71, No. 4, 377–389, 2005.
• 3. Ito K., Xiong K., „Gaussian Filters for Nonlinear Filtering Problems.” IEEE Transactions on Automatic Control, 45(5), 910–927, 2000.
• 4. Kalman R. E., „A New Approach to Linear Filtering and Prediction Problems”, Trans. of the ASME - Journal of Basic Engineering, p. 35-45, 1960.
• 5. Kaniewski, P., „Aircraft Positioning with INS/GNSS Integrated System” Molecular and Quantum Acoustics, Vol. 27, p. 149-168, 2006.
• 6. Kim H. et al., „An Ultra Tightly coupled GPS/INS Integration using Federated Kalman Filter.” ION GPS, 2003.
• 7. Knight D. T., „Rapid Development of Tightly Coupled GPS/INS Systems.” Proceeding of ION International Meeting, Nashville, Tennessee 1999.
• 8. Kwiecień J., Malinowski M., Bujnowski S., Bujarkiewicz B., „ATR TRACK III: The real-time GPS for public security.” Reports on Geodesy, No. 2(77), 179-185, 2006.
• 9. Konatowski, S. ; Sipa, T., „Position estimation using Unscented Kalman Filter” Annual of Navigation, No. 8, p. 97-110, 2004.
• 10. Nørgaard M., Poulsen N., Ravn O., „Advances in Derivative-Free State Estimation for Nonlinear Systems”, Technical Report IMM-REP-1998-15, Department of Mathematical Modelling, DTU 1998, (revised Oct. 2004).
• 11. Nørgaard M., Poulsen N., Ravn O., „New Developments in State Estimation for Nonlinear Systems”, Automatica, 36, 2000.
• 12. Rogers, R.M., „Applied Mathematics in Integrated Navigation Systems.” 3rd ed. Blacksburg, VA, USA: American Institute of Aeronautics and Astronautics, Inc. 2007
• 13. Särkkä S., „Recursive Bayesian Inference on Stochastic Differential Equations.” Doctoral dissertation, Helsinki University of Technology Laboratory of Computational Engineering Publications Raport B54, Espoo, 2006.
• 14. van der Merwe R., Wan E.A., „Efficient Derivative-Free Kalman Filters for Online Learning.” In Proc. of ESANN, Bruges, 2001.
• 15. van der Merwe R., Wan E.A., „The square-root unscented kalman filter for state and parameter-estimation.” In Proceedings of the International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Salt Lake City, Utah, 2001.
• 16. van der Merwe R., Wan E.A., Julier S.J., „Sigma-Point Kalman Filters for Nonlinear Estimation and Sensor-Fusion:Applications to Integrated Navigation.” In Proceedings of the AIAA Guidance, Navigation and Control Conference, Providence, RI, 2004.
• 17. Vorbrich, K.K., „Analysis of some low- and high-dynamics errors of Low-Cost IMU”, Geodesy and Cartography, Vol. 60, No 1, 2011, pp. 35-59, 2011.