Ocena dokładności estymacji położenia UAV przez nieliniowe filtry Kalmana

• Autorzy: Konatowski S. , Pieniężny A.

Warianty tytułu

EN

Estimation of UAV position by nonlinear Kalman filters

• Konferencja: Awionika / Konferencja (V ; 17-19.09.2007 ; Rzeszów, Polska)
• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje wyniki badań porównawczych nieliniowej filtracji Kalmana, stosowanej do określania położenia i prędkości obiektów bezpilotowych (UAV). W wielu aplikacjach nawigacyjnych model systemu nie jest liniowy, lecz zawiera nieliniowości w równaniach stanu i/lub w pomiarowym. Sytuacja taka wymaga zastosowania linearyzacji. Wtedy, jednym z możliwych rozwiązań jest rozszerzony filtr Kalmana EKF (Extended Kalman Filter). Alternatywą dla rozszerzonego filtru Kalmana jest bezśladowy filtr Kalmana UKF (Unscented Kalman Filter), który nie linearyzuje modeli procesów i pomiarów, ale operuje na parametrach statystycznych poddanych nieliniowym przekształceniom. Podstawą działania UKF jest przekształcenie bezśladowe. Celem artykułu jest porównanie jakości estymacji położenia i prędkości UAV przy użyciu dyskretnego, rozszerzonego i bezśladowego filtru Kalmana. Porównanie jakości filtracji zostało przeprowadzone metodą badań symulacyjnych w środowisku MATLAB.

EN

The paper presents a comparison of the estimation quality for the following Kalman filters: covariance filter (KF), extended filter (EKF) and unscented filter (UKF). In situations when the problems are nonlinear or the noise that distorts the signals is non-Gaussian, the Kalman filters provide a solution that may be far from optimal. Nonlinear problems can be solved with the extended Kalman filter. This filter is based upon the principle of linearizing the state transition matrix and the observation matrix with Taylor series expansions. Unscented Kalman filter with comparison to EKF does not linearize the model but operates on the statistical parameters of the measurement and state vectors that are subsequently nonlinearly transformed. The unscented Kalman filter is based on the unscented transform (UT).

Słowa kluczowe

PL

bezzałogowy obiekt latający; UAV; orientacja przestrzenna; estymacja położenia; pomiar prędkości; nieliniowa filtracja Kalmana

EN

unmanned air vehicle; UAV; spatial orientation; position estimation; speed measurement; nonlinear Kalman filtration

• Wydawca: Oficyna Wydawnicza Politechniki Rzeszowskiej
• Czasopismo: Zeszyty Naukowe Politechniki Rzeszowskiej. Mechanika
• Rocznik: 2007
• Tom: z. 71 [238]
• Strony: 317--324
• Opis fizyczny: Bibliogr. 4 poz., rys., wykr.

Twórcy

autor

Konatowski S.

autor

Pieniężny A.

• Instytut Radioelektroniki Wydziału Elektroniki Wojskowej Akademii Technicznej ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa,

Bibliografia

• 1. Gordon N.J., Ristic B., Arulampalam S.: Beyond the Kalman Filter - Particle Filters for Tracking Applications. Artech House, London, 2004.
• 2. Grewal M.S., Andrews A.P: Kalman filtering Theory and Practice Using MATLAB. John Wiley & Sons, Canada, 2001.
• 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. 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.