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.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Brain aneurysm is one of the most life-threatening events, which is associated with a high rate of mortality and disability. There are many factors, which specify the best treatment option for each particular patient. In this paper, an automatic computer-aided extraction algorithm for brain aneurysm, from fused digital subtraction angiography (DSA) images is proposed. In this algorithm, firstly, to remove vessel structure, morphological operations based on multi-directional structure elements and nonlinear diffusion filtering are used. Then, by applying circular Hough transform and region growing algorithms, the aneurysm extraction procedure is performed. In this step, to overcome to poor edge gradient of aneurysm, we define a labeled diffused image which specifies the region growing conditions. Finally, by using morphological operators, the aneurysm extraction performance of our algorithm is improved. In addition, the radius of extracted aneurysm is defined and reported as a geometric feature. The experimental results indicate that our proposed algorithm obtains accuracy rate of 77.5% for the aneurysm extraction on 30 abnormal cases.
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.
4
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Artykuł przedstawia projekt algorytmu estymacji stanu obiektu dynamicznego, w efekcie działania którego wyznaczane są aktualne parametry stanu. W trakcie projektowania filtrów nieliniowych stosowane są pewne przybliżenia funkcji gęstości prawdopodobieństwa stanu. Teoria proponuje wiele typów aproksymacji, ale większość z nich wymaga przyjęcia dodatkowych założeń dotyczących postaci sygnału, w związku z czym nie są one w praktyce realizowane. Artykuł przedstawia metodę niegaussowskiej estymacji nieliniowej opartą na filtrze cząsteczkowym.
EN
The paper presents the design of estimation algorithm for the state of dynamic object. As a result of its actions current state parameters are determined. During the design of non-linear filters in some approximation of the probability density function of state are used. Theoretically, there are many known types of approximation, but most of them require additional assumptions about the character signal, and therefore they are not implemented in practice. In this paper nonlinear estimation method based on the particle filter was tested.
W artykule opisane zostały algorytmy filtracji nieliniowej (rozszerzona filtracja Kalmana, bezśladowa filtracja Kalmana, bezśladowa filtracja Kalmana w wariancie rozszerzonym i filtracja cząstkowa) stosowana powszechnie do estymacji położenia. Dodatkowo zaprezentowane zostały rezultaty złożonych badań symulacyjnych porównujących jakość estymacji analizowanych rodzajów filtrów nieliniowych dla złożonej nieliniowości wektora stanu. Ocena jakości procesu filtracji została przeprowadzona w środowisku MATLAB. Przedstawione wyniki stanowią podstawę do projektowania dokładniejszych algorytmów estymacji położenia obiektu.
EN
In this paper several types of nonlinear filtrations (Extended Kalman Filtering, Unscended Kalman Filtering, Augmented Unscended Kalman Filtering and Particle Filtering) widely used to position estimation and their algirithms are described. Additionally complex simulations results, which are to compare abilities of analyzed nonlinear filtrates for different nonlinearities, are shown. The comparison of filtration quality was done in MATLAB environment. The presented results provide a basis for designing more accurate algorithms for object position estimation.
W artykule porównano dokładność procesu estymacji rozszerzonego i bezśladowego filtru Kalmana, filtru cząstkowego oraz filtrów cząstkowych wykorzystujących EKF i UKF. Jakość procesu estymacji przez wybrane filtry nieliniowe została scharakteryzowana poprzez wartości średnie i wariancje błędu średniokwadratowego. Dodatkowo zaprezentowane zostały wyniki złożonych badań symulacyjnych porównujących jakość estymacji analizowanych rodzajów filtrów nieliniowych dla różnych nieliniowości.
EN
The paper compares the accuracy of estimation process for Extended and Unscented Kalman Filters, Particle Filter, augmented Extended and Un- scented Kalman Filters. The accuracy of filtration was evaluated on the basis of means and variances of MSE error. Additionally, simulations results, which are to compare the quality of the analyzed nonlinear filters in presence of different nonlinearities, are shown.
7
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule rozpatrzono problem śledzenia obiektu, który porusza się z nieznaną i zmienną w czasie prędkością kątową. Jest to typowe zachowanie obiektu manewrującego, które może być pomocne w testowaniu filtrów nieliniowych. Do estymowania miejsca położenia obiektu zastosowano rozszerzony filtr Kalmana oraz bezśladowy filtr Kalmana. Przedstawione wyniki stanowią podstawę do projektowania dokładniejszych algorytmów estymacji położenia obiektu.
EN
The paper deals with the problem of tracking an object that moves with an unknown and variable in time angular velocity. This is typical behavior of maneuvering object, which may be helpful in the testing of nonlinear filters. To estimate the object position Extended Kalman Filter and Unscented Kalman Filter is used. The presented results provide a basis for designing more accurate algorithms for object position estimation.
8
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule opisano wykorzystanie bezśladowego filtru Kalmana i bezśladowego filtru Kalmana w wariancie rozszerzonym do oceny dokładności procesu estymacji. Dokładność filtracji, poza określaniem błędów średniokwadratowych RMSE, oceniano poprzez statystyczne testowanie innowacji za pomocą: testu wartości oczekiwanej, testu białości oraz testu WSSR (weighted-sum-squared-residual).
EN
The paper describes the use of Unscented Kalman Filter and augmented Unscented Kalman Filter for accuracy evaluation of the estimation process. Filtration accuracy was evaluated not only by root mean square errors RMSE but also by statistical testing of innovations through: the expected value test and whiteness test WSSR (weighted-sum-squared-residual) as well.
9
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
This paper describes the design of fault diagnosis and active fault tolerant control schemes that can be developed for nonlinear systems. The methodology is based on a fault detection and diagnosis procedure relying on adaptive filters designed via the nonlinear geometric approach, which allows obtaining the disturbance de-coupling property. The controller reconfiguration exploits directly the on-line estimate of the fault signal. The classical model of an inverted pendulum on a cart is considered as an application example, in order to highlight the complete design procedure, including the mathematical aspects of the nonlinear disturbance de-coupling method based on the nonlinear differential geometry, as well as the feasibility and efficiency of the proposed approach. Extensive simulations of the benchmark process and Monte Carlo analysis are practical tools for assessing experimentally the robustness and stability properties of the developed fault tolerant control scheme, in the presence of modelling and measurement errors. The fault tolerant control method is also compared with a different approach relying on sliding mode control, in order to evaluate benefits and drawbacks of both techniques. This comparison highlights that the proposed design methodology can constitute a reliable and robust approach for application to real nonlinear processes.
10
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The paper presents a robust algorithm for data processing in discrete-time dynamic systems when observed data are corrupted by outliers. The algorithm has been developed using non-linear filtering theory and the Gaussian approximation method. The simulation results are presented.
PL
W artykule został przedstawiony algorytm estymacji stanu dyskretnych liniowych systemów dynamicznych odporny na obecność anomalii w pomiarach. Algorytm opracowano w oparciu o teorię filtracji nieliniową z wykorzystaniem metody aproksymacji gaussowskiej. Przedstawiono wybrane wyniki symulacji zaproponowanego algorytmu.
11
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
A new suboptimal non-linear algorithm for state estimation in the presence of interferences is presented. The algorithm was designed with use of the non-linear filtering theory and the Gaussian approximation method. The simulations results in different environment conditions have revealed its high efficiency.
PL
W artykule zaproponowano suboptymalny nieliniowy algorytm estymacji stanu w warunkach zakłóceń. Prezentowana metoda opiera się na teorii filtracji nieliniowej oraz wykorzystuje metodę aproksymacji Gaussowskiej.
12
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Rozwój algorytmów filtracji nieliniowej spowodował dynamiczny rozwój systemów zintegrowanych. W artykule został opisany projekt zaawansowanego algorytmu takiej filtracji, bazujący na filtracji cząstkowej, wraz z wybranymi wynikami badań. Skutkiem zastosowania integracji i filtracji nieliniowej jest znaczna poprawa dokładności określania parametrów systemów.
EN
The development of nonlinear filtering algorithms caused the rapid development of integrated systems. The article described a draft of such an advanced filtering algorithm, based on partial filtration, together with selected results of simulation tests. The result of application integration and nonlinear filtering is a considerable improvement in the accuracy of determining the parameters of the systems.
Mixed multiple-additive Gauss-Markov models (AGMM) of parameters or structure changes which describe a broad variety of system failures or radar target manoeuvres are presented. Recursive algorithms for solving joint detection-identification problems in the presence of noise are obtained using the generalized likelihood ratio (GLR) approach. The proposed algorithms have relatively moderate computational requirements in a comparison with the multiple model approach. The results of simulation of the proposed algorithms are presented. The method can be used for failure detection-identification or manoeuvre detection in radar systems.
PL
W artykule przedstawiono addytywne modele Gausa-Markowa (AGMM -ang. Additive Gauss-Markov Models). Wykorzystanie AGMM pozwoliło na stworzenie metody, która dzięki wprowadzeniu dodatkowego układu dynamicznego modelującego nagłe zmiany umożliwia objęcie opisem szerokiego zakresu niestacjonarności i pozwala na oddanie właściwego ich charakteru (można je przedstawić w formie procesu losowego, procesu zdeterminowanego, ale o losowym momencie zaistnienia lub procesu typu mieszanego). Zaletą AGMM jest możliwość opisu nawet złożonych zmian dynamiki systemu za pomocą nieskomplikowanego aparatu matematycznego. Modele te umożliwiają stworzenie rekursywnych algorytmów wykrywania uszkodzeń i śledzenia manewrujących obiektów. Struktura systemu ma formę adaptacyjnego filtra dopasowanego do bieżącej dynamiki obiektu i stanu systemu pomiarowego, co zapewnia minimalny błąd pomiaru. Do wykrycia zmian stosowany jest bank filtrów dodatkowych dopasowanych do różnych rodzajów i momentów zaistnienia zmian oraz procedura decyzyjna oparta o metodę uogólnionego stosunku wiarygodności. Zastosowano metodę analitycznego wyznaczania progów decyzyjnych z wykorzystaniem aproksymacji rozkładu prawdopodobieństwa logarytmu uogólnionego stosunku wiarygodności. Zmienna wartość progów decyzyjnych pozwoliła na utrzymanie prawdopodobieństwa fałszywego alarmu na stałym poziomie. Proponowana metoda charakteryzuje się niskim obciążeniem obliczeniowym pozwalającym na stosowanie w systemach czasu rzeczywistego.
14
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule opisane zostały algorytmy filtracji nieliniowej (rozszerzona Kalmana, bezśladowa Kalmana, cząstkowa, cząstkowa wykorzystująca filtrację rozszerzoną Kalmana oraz bezśladowa filtracja cząstkowa) stosowane powszechnie do estymacji położenia. Dodatkowo zaprezentowane zostały wyniki złożonych badań symulacyjnych porównujących jakość estymacji analizowanych rodzajów filtrów nieliniowych dla różnych nieliniowości oraz rozkładów prawdopodobieństwa zakłóceń stanu.
EN
In this paper several types of nonlinear filtrations (extended Kalman filtering, unscented Kalman filtering, particle filtering, EKF approximation for a particle filtering, unscented particle filtering) widely used to position estimation and their algorithms are described. Additionally complex simulations results, which are to compare abilities of analysed nonlinear filtrates for different nonlinearities and distributions, are shown.
15
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
This paper deals with nonlinear filtering problems with delays, i.e., we consider a system (X,Y ), which can be represented by means of a system [...], in the sense that [...], where a(t) is a delayed time transformation. We start with X being a Markov process, and then study Markovian systems, not necessarily diffusive, with correlated noises. The interest is focused on the existence of explicit representations of the corresponding filters as functionals depending on the observed trajectory. Various assumptions on the function a(t) are considered.
16
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Zadaniem systemu nawigacyjnego jest wyznaczanie aktualnej pozycji, prędkości i kursu obiektu na podstawie danych pochodzących z różnych czujników nawigacyjnych oraz znajomości modelu ruchu obiektu. Najczęściej systemy takie są systemami nieliniowymi i stąd wynika potrzeba stosowania algorytmów estymacji nieliniowej. Obecnie najbardziej rozpowszechnionym algorytmem filtracji nieliniowej jest algorytm rozszerzonego filtru Kalmana (EKF). Filtr ten wykorzystuje przekształcenia quasi-liniowe. Metoda taka powoduje duże błędy estymacji, ponieważ wiele nieliniowych funkcji trudno dobrze zaproksymować za pomocą funkcji liniowej. Ze względu na te ograniczenia wprowadzony został bezśladowy filtr Kalmana (UKF), który nie aproksymuje nieliniowych procesów, lecz aproksymuje rozkłady zmiennych losowych stanów. Pozwala to na uzyskanie dokładności estymacji na poziomie rozwinięcia w szereg Taylora do wyrazów drugiego rzędu - bez względu na rodzaj nieliniowości. Kolejną strategią rozwiązania problemu filtracji nieliniowej jest zastosowanie sekwencyjnych metod Monte Carlo, zwanych filtracją cząstkową. Metody takie można stosować dla dowolnych rodzajów nieliniowości i dla dowolnych rozkładów. W artykule dokonano porównania i zestawienia wybranych rodzajów filtrów nieliniowych dla różnych rodzajów nieliniowości i rozkładów Gauss, Studenta i Gamma.
EN
The aim of operation of a typical navigation system is to estimate current position, velocity, and heading on the basis of the data coming from navigation sensors and a model knowledge of an object trajectory. These types of systems are widely used in practice. In general, such systems are nonlinear. Thus, they caused the necessity to apply algorithms of nonlinear estimation. At present, Extended Kalman filter (EKF) is widely used for this purpose. EKF uses quasi-linear transformations. Such an approach results in high estimation inaccuracy due to difficulties of nonlinear functions approximation using linear functions. Unscented Kalman filter (UKF) has been used to overcome these disadvantages. UKF does not approximate nonlinear processes but a probability distribution. This allows for achieving accuracy to the 2nd order Taylor series expansion. Sequential Monte Carlo method, also called as particle filters, is another strategy of solving nonlinear estimation. Such methods can be applied for any nonlinearities and distributions. The paper presents comparison of several types of nonlinear filters with different types of nonlinearities and distributions.
W artykule omówiono zagadnienie zastosowania systemów generalizacji danych przestrzennych opartych na logice rozmytej do modelowania rzeźby terenu na różnym poziomie uogólnienia.
EN
Classic filtering methods of raster data (e.g. digital terrain model), such as median or gaussian filtering level the result surface, and consequently flatten the end results. A significant modification of results' range, understood as narrowing of the scope of relative altitudes in the test area, is not the only side effect of the process of DTM generalization. Gaussian filtering, and especially non-linear median filtering leads to non-linear morphometric modifications of generalized terrain relief. Structural forms common for high mountain relief, such as ridge lines and deeply cut river valleys are flattened more than other forms. In the article the author attempts to elaborate a non-linear method of raster data filtering by defining the objective generalization rules of local character. These rules determine the global process of cartographic generalization of raster-type data. In order to build a database which would enable the realization of the process of spatial data generalization, fuzzy inference systems (FIS) are applied. Application of fuzzy logic makes it possible to define generalization rules for non-linear filtering of a digital terrain model recorded in the form of an altitude matrix. In the discussed context FIS can be interpreted as a non-linear digital terrain model transformation. Compared to other non-linear modeling techniques FIS has many advantages: - it keeps the parameters of source data distribution (slant, range, etc.,) - enables open and easy to interpret definition of rules in the data base (in relation to scale, purpose, cartographic school, etc.), - it bases on linguistic variables, which facilitates the understanding of the generalization process, - it facilitates scalability of the results through parametrization of the membership function. Application of fuzzy logic and generalization systems using fuzzy inference makes it possible to automatize the generalization process while preserving subjectivity of cartographic generalization. The final effects depend on the FIS database created by the researcher.
18
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
This paper presents a mobile robot navigation problem. The robot is supposed to move between two walls, based on data from infrared ranger. In the paper the results of applying EKF algorithm to real mobile robot platform are also given.
PL
Artykuł ten prezentuje sposób nawigacji robota mobilnego pomiqdzy dwoma ścianami, opierajqcy się na danych pochodzących z dalmierza na podczerwień. Zaprezentowane są także rezultaty zastosowania algorytmu EKF do tego problemu, dla rzeczywistego robota mobilnego.
19
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
A nonlinear filtering problem with delays in the state and observation equations is considered. The unnormalized conditional probability density of the filtered diffusion process satisfies the so-called Zakai equation and solves the nonlinear filtering problem. We examine the solution of the Zakai equation using an approximation result. Our theoretical deliberations are illustrated by a numerical example.
20
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Przedstawiono wskazówki przydatne do wdrożenia do praktyki identyfikacji metod estymacji przed modelowaniem oraz filtracji nieliniowej. Obie metody zastosowano do identyfikacji obiektu latającego modelowanego w postaci punktu materialnego z oporem powietrza proporcjonalnym do kwadratu prędkości. Wyniki otrzymane podczas obliczeń testowych, a przede wszystkim dość duża zbieżność metod oraz niewielka wrażliwość na błąd początkowy są zachęcające do dalszych badań.
EN
Hints useful to implement the estimation-before-modelling and nonlinear filtering methods to the practice of the identification are shown. Both methods have been applied to a simple example as the particle flight with drag proportional to the square of its velocity. The results of the numerical tests can be recognised as very interested. Good convergence and robustness of the algorithms should be emphasised. This work will be continued. This investigation was supported by Polish State Committee for Scientific Research (grant no 9T12C 006 08).
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.