Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  algorytm estymacji
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Najbardziej rozpowszechnionym algorytmem rozwiązania nieliniowej filtracji jest rozszerzony filtr Kalmana (EKF). Filtr ten wykorzystuje założenia, że wszystkie przekształcenia są quasiliniowe. Powoduje to duże błędy, ponieważ wiele funkcji nieliniowych trudno jest dobrze zaproksymować za pomocą funkcji liniowych. W celu zminimalizowania tych błędów wprowadzony został bezśladowy filtr Kalmana (UKF), który aproksymuje rozkłady zmiennych losowych stanów. Pozwala to na rozwinięcie w szereg Taylora i uzyskanie dokładności estymacji do wyrazów trzeciego rzędu dla każdej nieliniowości. Stosuje się także metodę nieliniowej, niegaussowskiej estymacji bazującej na filtrze cząstkowym. Jest ona znaną metodą, ale dopiero od niedawna - dzięki wprowadzeniu pewnych ulepszeń - okazało się, że może mieć praktyczne zastosowanie. W artykule dokonano oceny parametrów algorytmów filtracji dla różnych typów nieliniowości i różnych rodzajów rozkładów szumów procesu - gaussowskich lub im przybliżonych (np. rozkład Studenta o dużej liczbie stopni swobody) oraz niegaussowskich (np. o rozkładzie Rayleigh'a lub Gamma).
EN
The paper presents accuracy examinations of position estimation for five types of filters: Kalman filter EKF, unscented Kalman filter UKF, particle filter PF and its modifications. The observation vector with four types of non-linear function has been used for examinations. Simulations for two combinations of probability distribution parameters were performed: Gaussian and Gamma (non-Gaussian). Mean values and variance of the mean-square-error of the position estimates and time performance of algorithm were used for comparative analysis. Comparison of filtration process quality was carried out in Matlab. Results are presented and discussed.
PL
W pokładowych systemach rozpoznania radioelektronicznego jedną z opcji jest określenie miejsca położenia naziemnych źródeł emisji (ŹE). Dokładność określenia miejsca położenia jest podstawową charakterystyką systemu namiarowego. Efektywnym sposobem zmniejszania błędów estymacji lokalizacji ŹE jest zwielokrotnienie namiarów dokonywanych w punktach tworzących bazę systemu. W artykule rozpatruje się modyfikację algorytmu estymacji opartego na modelu niepewności Fishera. Modyfikacja polega na sumowaniu macierzy informacji dla pojedynczych namiarów. W artykule przedstawiono zmodyfikowany algorytm estymacji i wyniki badań symulacyjnych w postaci błędów estymacji na głównym kierunku systemu namiarowego. We wnioskach dokonano porównania osiąganych wyników z rozszerzonym filtrem Kalmana oraz z obróbką wagową.
EN
Position estimation of ground based sources emissions are a basic function of the airborne electronic intelligence systems. Position estimation accuracy is a basic feature of direction finding subsystem. The effective method to decrease position estimation errors is to increase the number of bearings in the points that creating the system base. The algorithm modification based on uncertainty Fisher principle is considered in the paper. Modification is included in the information matrix summation for single bearings. The paper presents modified algorithm of position estimation and simulation results in a view of position estimation errors on the main direction of direction finding system. There is also a comparison those results with extended Kalman filter and with processing using method of weighting.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.