Ocena dokładności filtracji nieliniowej w systemach transportowych

• Autorzy: Konatowski S. , Kaniewski P. , Czopik G.

Warianty tytułu

EN

The Accuracy of Nonlinear Filtering in Transport Systems

• Języki publikacji: PL

Abstrakty

PL

W algorytmach filtracji, stosowanych do pozycjonowania systemów transportowych, występują zależności nieliniowe zarówno w równaniu stanu jak i w równaniu pomiarowym. Historycznie, w takich sytuacjach linearyzowano równania dynamiki obiektu i/lub równania obserwacji stosując rozszerzony filtr Kalmana EKF (Extended Kalman Filter). Alternatywnym rozwiązaniem dla rozszerzonego filtra Kalmana jest bezśladowy filtr Kalmana UKF (Unscented Kalman Filter). Filtr ten operuje na parametrach statystycznych tych modeli poddanych nieliniowym przekształceniom. Inną strategią rozwiązania problemu filtracji nieliniowej jest filtracja cząsteczkowa PF (Particie Filtration) wykorzystująca sekwencyjne próbkowanie istotności – odwzorowanie dużej liczby punktów (cząsteczek) i związanych z nimi wag z gęstości prawdopodobieństwa. W artykule opisane zostały algorytmy filtracji nieliniowej (rozszerzona Kalmana, bezśladowa Kalmana, cząstkowa) stosowane powszechnie do estymacji położenia. W artykule porównano dokładność filtracji cząsteczkowej. W szczególności zaprezentowano efektywność filtracji nieliniowej stanu obiektów dynamicznych dla dwóch postaci równań pomiarowych. Ocena jakości procesu filtracji została przeprowadzona w środowisku Matlab.

EN

The filtering algorithms used for the positioning of transport systems, are based on nonlinear equation of state as well as the measurement equation. Historically, in these cases, the object dynamics equations and/or observation equations were linearized using the Extended Kalman Filter EKF. The alternative to the Extended Kalman Filter is Unscented Kalman Filter UKF. This filter operates on the statistical parameters of these models subjected to nonlinear transformations. Another strategy to solve the problem of nonlinear filter is the particle filtration PF, that uses a sequential sampling of significance – mapping a large number of points (particles) and the weights associated with the probability density. In this paper several types of nonlinear filtrations (Extended Kalman Filtering, Unscented Kalman Filtering, Particle Filtering,) widely used to position estimation and their algorithms are described. The article compares the accuracy of Particle Filtration. In particular, the efficiency of nonlinear filtration of dynamic objects states for two forms of measurement equations is presented. Evaluation of quality of the filtration process was carried out in Matlab.

Słowa kluczowe

PL

system transportowy; pozycjonowanie; algorytm filtracji; filtracja nieliniowa; filtracja cząsteczkowa

EN

transport system; positioning; filtering algorithm; nonlinear filtering; molecular filtration

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 3
• Strony: 3040--3048
• Opis fizyczny: Bibliogr. 8 poz., wykr., pełen tekst na CD

Twórcy

autor

Konatowski S.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut Radioelektroniki, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa

autor

Kaniewski P.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut Radioelektroniki, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa

autor

Czopik G.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Instytut Radioelektroniki, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa

Bibliografia

• 1. Arulampalam S., Gordon N., Ristic B.: Beyond the Kalman Filter. Particie Fliters for tracking applications. Artech House, London, 2004.
• 2. Bugallo M.F., Djuric P.M., Ghirmai T., Huang Y., Kotecha J.H., Miguez J., Zhang J.: Particle Filtering. IEEE Signal Procesing Magazine, September 2003.
• 3. Julier S.J., Uhlmann J.K., Durrant-Whyte H.F.: A New Method for the Nonlinear Transformation of Means and Covariances in Filters and Estimators. IEEE Transactions on Automatic Control, vol. 45, no. 3, March 2000, pp. 477-482.
• 4. Julier S.J., Uhlmann J.K.: Unscented Filtering and Nonlinear Estimation. Proceedings of the IEEE, vol. 92, no. 3, March 2004.
• 5. Kaniewski P., Struktury, modele i algorytmy w zintegrowanych systemach pozycjonujących i nawigacyjnych, Wyd. WAT, 2010.
• 6. Konatowski S.: Porównanie dokładności estymacji połoŜenia obiektów przez nieliniowe filtry Kalmana, Elektronika - konstrukcje, technologie, zastosowania, Numer 3/2013, str. 20-25.
• 7. Konatowski S., Kaniewski P.: Zastosowanie filtracji cząsteczkowej do estymacji stanu obiektu dynamicznego, Przegląd Elektrotechniczny R. 89 NR 9/2013, str. 108-112.
• 8. Wan E.A., Van der Merwe R.: The Unscented Kalman Filter to appear in Kalman Filtering and Neural Networks. Chapter 7. Edited by Simon Haykin, John Wiley & Sons, USA, 2001.