Applications of Julier-Uhlmann Filter for Processing Signals from Navigation Sensor

• Autorzy: Narkiewicz J. , Andrzejczak M.

Warianty tytułu

PL

Wykorzystanie filtru Juliera-Uhlmanna w przetwarzaniu sygnałów czujników nawigacyjnych

• Języki publikacji: EN

Abstrakty

EN

Kalman filter and its various adaptations are the most commonly applied tools for processing signals from navigation sensors. The most important limitations of Kalman filter are linearity requirements of state and observer equations. The recently developed Julier-Uhlman (J-U) filter can be applied to the nonlinear model of process and observation. The estimated values of states and observables include at least the third order nonlinear effects. In the paper the idea of the J-U filter is described and examples of its application are presented. Results of simulations performed show very good efficiency of the filter for various states and observer expressions.

PL

Filtr Kalmana i różne jego modyfikacje jest najczęściej stosowanym narzędziem do filtracji sygnałów nawigacyjnych. Jego głównym ograniczeniem jest założenie liniowości modeli procesu i pomiaru. Filtr opracowany przez Juliera-Uhlmana (J-U) może być stosowany dla nieliniowych równań stanu i obserwacji. Estymowane wartości zmiennych stanu są zgodne z modelem nieliniowym do wyrazów, co najmniej trzeciego rzędu. W artykule opisano podstawy filtru J-U i zaprezentowano przykłady jego zastosowań.Wyniki przeprowadzonych symulacji wykazały wysoką efektywność filtru dla różnych modeli równań stanu i obserwacji.

• Wydawca: Dział Wydawnictw Wyższej Szkoły Morskiej
• Czasopismo: Zeszyty Naukowe / Wyższa Szkoła Morska w Szczecinie
• Rocznik: 2003
• Tom: nr 70
• Strony: 261--270
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Narkiewicz J.

• Politechnika Warszawska Wydział Mechaniczny Energetyki i Lotnictwa Instytut Techniki Lotniczej i Mechaniki Stosowanej Zakład Automatyki i Osprzętu Lotniczego ul. Nowowiejska 24, 00-665 Warszawa

autor

Andrzejczak M.

• Politechnika Warszawska Wydział Mechaniczny Energetyki i Lotnictwa Instytut Techniki Lotniczej i Mechaniki Stosowanej Zakład Automatyki i Osprzętu Lotniczego ul. Nowowiejska 24, 00-665 Warszawa

Bibliografia

• 1. Anderson B.D.O., Moore J.B.: Optimal Filtering, Prentice Hall, Inc., Englewood Cliffs, New Jersey, USA 1979. .
• 2. Azimi Sadjadi B., Krishnaprasad P.S.: Approximate Nonlinear Filtering and Its Applications to GPS, Technical Research Report TR 2001-26, Isti-tute for Systems Research, University of Maryland, 2001.
• 3. Doyle, R.: Neurofuzzy multi-sensor data fusion for helicopter obstacle avoidance. PhD thesis, Department of Electronics and Computer Science, University of Southampton, U.K., 1997.
• 4. Johnson R., Sąsiadek J., Zalewski J.: Kalman Filter Enhancement for UAV Navigation, report, University of Central Florida, USA / Carleton University, Canada.
• 5. Julier S., Uhlmann J.: A General Method for Approximating Nonlinear Transformations of Probability Distributions, technical report, Robotics Research Group, Department of Engineering Science, University of Oxford, 1996.
• 6. ulier S., Uhlmann J.: A General Method for Approximating Nonlinear Transformation of Probability Distributions, report, Robotics Research Group, Department of Engineering Science, University of Oxford.
• 7. Lee S.-C, Liu C.-Y.; Fast Automatic Leveling Subject to Abrupt Deterministic Input, IEEE Transactions on Aerospace and Electronic Systems, Vol.35, No.3, July 1999, pp. 989 - 996.
• 8. Lefebvre T., Bruyninckx H., Schutter J.: Comment on "A New Method for the Nonlinear Transformation of Means and Co variances in Filters and Estimators", submitted as Correspondence to IEEE Transations on Automatic Control, September 2001.
• 9. Mulder J.A., Chu Q.P., Sridhar J.K., Breeman J.H., Laban M.: Non-linear aircraft flight path reconstruction review and new advances, Progress in Aerospace Sciences 35 (1999), pp. 673 - 726.
• 10. Ridgeway G., Madigan D.: Bayesian analysis of massive datasets via particle filters, SIGKDD'02, Edmonton, Alberta, Canada.
• 11. Schmiegel A.U.: A stabilized model-based Kalman filter for underwater navigation, paper, STN ATLAS Elektronik GmbH, Naval System Divisin, BAE SYSTEMS Signal & Data Processing Conference 2002.
• 12. Schweppe F.C.: Uncertain Dynamic Systems, Prentice Hall, Inc., Englewood Cliffs, New Jersey, USA, 1973.
• 13. Wan E.A., van der Merwe R, Nelson A.T.: Dual Estimation and the Unscented Transformation, report, Oregon Graduate Institute of Science and Technology, Department of Electrical and Computer Engineering.
• 14. Welch G., Bishop G.: An Introduction to the Kalman Filter, SIGGRAPH 2001, Course 8, Copyrigh 2001 by ACM, Inc.
• 15. Zhou D., Mu C, Xu W.: Adaptive Two-Step Filter with Applications to Bearings -Only Measurement Problem, Journal of Guidance, Control, and Dynamic Systems, Vol.22, No.4, pp. 726 - 728.
• 16. Zhu Y.: Efficient Recursive State Estimator for Dynamic Systems without Knowledge of Noise Covariances, IEEE Transactions on Aerospace and Electronic Systems, Vol.35, No.1, January 1999, pp. 102 - 113.