Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2007

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: nieliniowa filtracja Kalmana

Sortuj według:

Ogranicz wyniki do:

Ocena parametrów estymacji nieliniowych algorytmów filtracji dla różnych rozkładów szumów procesu

Konatowski S.

Zeszyty Naukowe Politechniki Rzeszowskiej. Mechanika

2007

z. 71 [238]

325-332

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).

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.

Ocena dokładności estymacji położenia UAV przez nieliniowe filtry Kalmana

Konatowski S., Pieniężny A.

Zeszyty Naukowe Politechniki Rzeszowskiej. Mechanika

2007

z. 71 [238]

317-324

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.

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).