Estymacja EKF przy obecności pomiarów anomalnych w nieliniowych kanałach pomiarowych

• Autorzy: Jańczak D.

Identyfikatory

DOI

10.15199/59.2016.11.3

Warianty tytułu

EN

EKF Estimation in presence of outliers in nonlinear measurement channels

• Języki publikacji: PL

Abstrakty

PL

Rozszerzony filtr Kalmana (EKF - Extended Kalman Filter) jest estymatorem umożliwiającym uzyskanie oceny wartości wektora stanu w warunkach występującej nieliniowości w równaniu stanu lub obserwacji. Niestety, algorytm EKF jest nieodporny na występujące pomiary anomalne. W artykule zaproponowano metodę zapewniającą zwiększenie dokładności estymacji w warunkach pojawiających się pomiarów anomalnych w nieliniowym kanale pomiarowym. Zaproponowano suboptymalny algorytm w postaci filtra rekursywnego stanowiącego modyfikację filtra EKF, w którym estymaty są zależne od wyznaczanego na bieżąco aposteriorycznego prawdopodobieństwa stanu nieliniowego kanału pomiarowego. Proponowane podejście opiera się na dwurozkładowej reprezentacji zakłóceń pomiarowych, w której niestacjonarne szumy są modelowane jako szumy gaussowskie o znacznych zmianach wariancji. Rozpatrzono fałszywe pomiary o różnych charakterystykach statystycznych. Przedstawiono procedurę syntezy suboptymalnego estymatora na przykładzie układu śledzenia radarowego, w którym pomiary prowadzi się w sferycznym układzie współrzędnych.

EN

The paper is devoted to the problem of state estimation in presence of outliers in systems with nonlinear measurement channels. Outliers are measurements with an error far bigger than the standard one. Such measurements in telecommunication systems may emerge due to phenomena like multipath transmission, signal fluctuations, electromagnetic disturbances or intended jamming. Outliers are a reason of performance degradation of data processing, what results in increase of estimation error. The widely known extended Kalman filter (EKF) is also sensitive to outliers. The aim of the work is development of state estimation algorithm which is immune to presence of outliers. The proposed method is based on the mathematical description of outliers by means of Gaussian approximation. Outlier detection algorithm relies on calculation of a posteriori probability of the nonlinear measurement channel state. An estimation method which is based on idea of EKF with outlier suppression is proposed. An example of application of the method to the radar tracking system is presented. The proposed algorithm reveals better performance than typical EKF method in presence of outliers while requiring a moderate computational burden.

Słowa kluczowe

PL

przetwarzanie sygnałów; pomiary anomalne; rozszerzony filtr Kalmana; filtracja nieliniowa; śledzenie radarowe

EN

signal processing; nonlinear filtering; state estimation; outliers; extended Kalman filter

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2016
• Tom: nr 11
• Strony: 1271--1275
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Jańczak D.

• Politechnika Białostocka, Wydział Elektryczny

Bibliografia

• [1] Barton D.: Radar System Analysis and Modeling, Artech House, 2004.
• [2] Griszin J., D. Janczak: ,A detection-estimation method for systems with random jumps with application to target tracking and fault diagnosis", Nonlinear Dynamics, Intech, Vukovar, 2010.
• [3] Griszin J., D. Janczak: „Wykorzystanie matematycznych modeli fałszywych pomiarów do syntezy algorytmów śledzenia radarowego", Urządzenia i systemy radioelektroniczne: wybrane problemy. 3, WAT, Warszawa, 2014, s. 289-299.
• [4] Janczak D., Yu. Grishin, A. Nikolajew: An adaptive target tracking algorithm for fluctuating signals, Proc. of SPIE, 7502, 2009, pp. 750219-1 -8.
• [5] Kay S.: Fundamentals of statistical signal processing: Estimation theory, Prentice-Hall, 1993.
• [6] Kemeny J.G., J. L. Snell: Finite Markov Chains, Springer Verlag, 1983.
• [7] Richards M. A., J. A. Scheer, W. A. Holm (eds): Principles of modern radar, SciTech Publishing, 2010.
• [8] Ristic B., S. Arulampalam, N. Gordon: Beyond the Kalman filter. Particle filters for tracking applications, Artech House, 2004.

Uwagi

PL

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